Python 在没有内存错误的情况下迭代大量行

我正在取消激活pandas数据帧，并且遇到了与以下代码行相关的内存错误（与前面的melt（）操作一起）：

数据帧看起来有点像这样：

+----------+--------+--+
| ContactID| value  |  |
+----------+--------+--+
| pd.Data  | A,C    |  |
| pd.Data  | D,E,F  |  |
| pd.Data  | G,H,I,K|  |
| ...      | ...    |  |
+----------+--------+--+

对于踢腿和咯咯笑，以下是准确的错误代码：

MemoryError: Unable to allocate array with shape (92, 12513354) and data type object

---

我的问题是我不能删除行，因为这是所有必需的数据，而df是1250万行，所以显然，将整列数据叠加到内存中（即使是64位）是不可行的。我可以通过哪些方法逐行迭代数据，应用str.split方法，并将其作为分隔值返回，同时确保所有行的列数一致以适应扩展？

解决方案1：购买更多RAM。解决方案2：将数据拆分为多个阵列，分别处理每个阵列（我的意思是：在任何给定时间在RAM中最多保留一个阵列。操作一段数据，将其保存到磁盘，继续执行下一个数据块ecc）请参见。有什么方法可以绕过此操作吗？您为什么需要拆分和扩展？@AMC谢谢您的参考，我来看看。我这样做的原因是因为数据是以逗号分隔的值结构的，我试图最终找出我有多少个A，多少个B，多少个C，etc@Tfmgvi_971我猜它不能被解读为CSV？顺便说一句，如果你只需要这么做，那么简单的旧csv模块和一个循环就可以了。

MemoryError: Unable to allocate array with shape (92, 12513354) and data type object