Python 使用导致内存错误的嵌套循环分配

我正在使用pandas，并尝试使用嵌套循环来完成作业。我迭代一个数据帧，然后运行一个距离函数，如果它满足某个条件。我面临两个问题：

使用CopyWarning设置： 试图在数据帧切片的副本上设置值

内存错误。它不适用于大型数据集。我最终不得不终止这个过程

我应该如何更改我的解决方案以确保它可以扩展到60000行的更大数据集

for i, row in df.iterrows():
    listy = 0
    school = []
    if row['LS_Type'] == 'Primary (1-4)':
        a = row['Northing']
        b = row['Easting']
        LS_ID = row['LS_ID']
        for j, row2 in df.iterrows():
            if row2['LS_Type'] == 'Primary (1-8)':
                dist_km = distance(a,b, df.Northing[j], df.Easting[j])
                if (listy == 0):
                    listy = dist_km
                    school.append([df.LS_Name[j], df.LS_ID[j]])
                else:
                    if dist_km < listy:
                        listy = dist_km
                        school[0] = [df.LS_Name[j], int(df.LS_ID[j])]
        df['dist_up_prim'][i] = listy
        df["closest_up_prim"][i] = school[0]

    else:
        df['dist_up_prim'][i] = 0

df.iterrows（）中的i行的

：
listy=0
学校=[]
如果行['LS_Type']='Primary（1-4）'：
a=行['Northing']
b=行['Easting']
LS_ID=行['LS_ID']
对于j，df.iterrows（）中的第2行：
如果第2行['LS_Type']=='Primary（1-8）'：
距离公里=距离（a、b、测向北[j]、测向东[j]）
如果（listy==0）：
listy=距离公里
school.append（[df.LS_Name[j]，df.LS_ID[j]]））
其他：
如果距离公里<列表：
listy=距离公里
学校[0]=[df.LS\u Name[j]，int（df.LS\u ID[j]）]
df['dist\u up\u prim'][i]=listy
df[“最接近的”][i]=学校[0]
其他：
df['dist\u up\u prim'][i]=0

双for循环是让你在这里丧命的原因。看看是否可以将其分为两个单独的应用步骤

下面是一个使用

df.apply（）

和

partial

执行嵌套for循环的玩具示例：

import math
import pandas as pd
from functools import partial

df = pd.DataFrame.from_dict({'A': [1, 2, 3, 4, 5, 6, 7, 8],
                             'B': [1, 2, 3, 4, 5, 6, 7, 8]})

def myOtherFunc(row):
    if row['A'] <= 4:

        return row['B']*row['A']

def myFunc(the_df, row):
    if row['A'] <= 2:
        other_B = the_df.apply(myOtherFunc, axis=1)
        return other_B.mean()
    return pd.np.NaN

apply_myFunc_on_df = partial(myFunc, df)

df.apply(apply_myFunc_on_df, axis=1)

导入数学
作为pd进口熊猫
从functools导入部分
df=pd.DataFrame.from_dict（{'A'：[1,2,3,4,5,6,7,8]，
‘B’：[1,2,3,4,5,6,7,8]}）
def myOtherFunc（世界其他地区）：
如果行['A']，通常应使用df.apply函数，如果使用ItErrors。。。停下来，做点别的。我下面的回答帮你解决这个问题了吗？