Python 使用熊猫读取大型csv文件时指定数据类型会导致内存错误？

我正在尝试从Kaggle读取expedia数据，其中包含4GB csv文件。我尝试使用

pd.read\u csv（'filename'）

读取数据，但出现内存错误。第二种方法我尝试仅使用代码阅读特定列：

pd.read\u csv（'train.csv'，dtype={'date\u time'：np.str，user\u location\u country'：np.int32，'user\u location\u region'：np.int32，'user\u city'：np.int32，'orig\u destination\u distance'：np.float64，'user\u id'：np.int32}）

这再次给了我内存错误，但使用了相同方法的另一个修改，即：

train=pd.read\u csv（'train.csv'，dtype={'user\u id'：np.int32，'is\u booking'：bool，'srch\u destination\u id'：np.int32，'hotel\u cluster'：np.int32}，usecols=['date\u time'，'user\u id'，'srch\u ci srch\u co'，'srch\u destination\u id'，'is\u booking'，'hotel cluster\u']）

大约5分钟后读取数据

我的问题是，我想使用任何一种方法读取更多的列，但这两种方法都失败并导致

内存错误

。我使用8GB RAM和8GB交换空间，因此在数据中24列中只读取7-8列将减少800MB左右的数据大小，因此不会出现硬件使用问题。

---

我还尝试了根据我将在后面阅读的算法，分块阅读我不想做的内容。

不幸的是，读取csv文件需要的内存比磁盘上的大（我不知道需要多少）

---

您可以找到另一种处理文件的方法

这应该是一个注释。我已经尝试过将数据转换成块，这是我不想要的。