在Python中按日期对大型CV进行排序，而不将其全部加载到内存中

我有一个巨大的csv文件（比如8GB或更多，有数百万行），第一个字段是文本字段（没有引用），第二个是格式为mm/dd/yyyy的日期。其他字段可能会有所不同。没有标题，utf8编码。请参见此处的示例：

Lorem ipsum dolor sit amet,10/30/2020,2340.234450,pet,999
consectetur adipiscing elit,10/30/2020,54.2,home,577

我需要高效地（尽可能快地）使用Python按日期对文件进行排序，而无需将所有文件一起加载到内存中。问题是我几乎没有内存（4GB左右的RAM）。约会时间越长越好

我发现了一些直接使用OS命令的解决方案（例如and），但没有一个是针对Python和日期字段的。而且，我不能使用数据库。你能帮我吗？

你可以尝试一些“黑客”解决方案，比如将文件上传到内存更多的机器上（例如colab，尽管上传需要一些时间）

您还可以增加交换内存，以便能够在RAM中人工加载

或者，您可以通过只提取日期列和每行的ID（分块打开）来清理它，然后创建一个只包含ID和日期的新数据框，对其进行正常排序，这样索引就可以按顺序排列

但是，您不能将数据帧分块排序，因为根据排序算法，它可能不准确。如果您有： 3 9 1 2 5 6 4 0 8 7 并将其分为两块，您将获得以下内容： 1 2 3 5 9 || 0 4 6 8 7

---

如何在不重新排序的情况下组合它们？

如果不将内容加载到内存中，则无法对其进行排序。您引用的页面仍在将其加载到内存中，但会加载到其他人的内存中。DOS/Unix SORT命令的内存如果你想对它进行排序，整个内容必须在内存中可用，否则排序可能不准确。我想我可以，把它分成块，或者类似的。类似于这个问题：。现在我编辑了这个问题，更具体一点。如果这太多的话，可能是我递归地将文件的一部分加载到内存中，而不是全部加载到内存中吗？我可能会更好地使用像pandas这样的东西来读取文件，按日期排序，然后再次保存它，这样它至少是有序的。你要求很多，期望做的很少。如果内存仍然是一个问题，你可以将数据分割，但我认为你不会得到你想要的答案。