用python逐行创建大型数据集

Question

对于我的毕业论文，我需要创建一个扑克动作的数据集来测试模型。我编写了一个函数，该函数读取包含关于手的信息的文本文件，并返回列表，并将其附加到pandas数据帧中。

我有大约1500个文件，每个文件包含1500~3000个需要传递给这个函数的手，所以我的主脚本看起来像这样。

import os
os.chdir("C:/Users/jctda/OneDrive/Documentos/TCC/Programa")

import pandas as pd
from datagen import DataGenerator, EmptyLine
from poker.room.pokerstars import PokerStarsHandHistory
from functions import FindFold, GetFiles, GetShowers
#IMPORT DATAGEN AQUI

database = pd.DataFrame()

files = GetFiles('hand_texts')
for hand_text in files:
    text=open('hand_texts/' + hand_text)
    b=text.read()
    hands=b.split("\n\n\n\n\n")
    text.close()

    for i in range(1,len(hands)):

        try:

            hh = PokerStarsHandHistory(unicode(hands[i]))
            hh.parse()
            fold = FindFold(hh)

            if fold == 'showdown':
                for shower in GetShowers(hh):
                    database = database.append(DataGenerator(hh,shower,hand_text,i))
                    print('Success in parsing iteration ' + str(i) + ' from file' + hand_text)

        except:

            print('PARSER ERROR ON ITERATION [[' + str(i) + ']] FROM FILE [[' + hand_text + ']]')
            database = database.append(EmptyLine(hand_text,i))




database.to_csv('database2.csv') 

问题是，运行几个小时后，它变得非常慢。第一个文件大约需要20秒，但它们每次都变慢，在运行8h后，它们开始需要一个多小时。我刚开始为这个项目学习python，所以我可能在某个地方犯了一个大错误，导致它花费了比需要的更多的时间，但我找不到它。

另一件困扰我的事情是，当它在16GB的机器上运行时，它消耗的RAM不到1GB。我想过强迫它使用更多的memmory，但显然python没有memmory限制，所以我想这只是糟糕的代码

有人能帮我想出该怎么办吗？

Answer 1

正如这里所描述的，不要在循环中追加到dataframe，因为这是非常无效的。宁可这样做：

files = GetFiles('hand_texts')

database = []
for hand_text in files:
    # as a sidenote, with contexts are helpful for these:
    with open('hand_texts/' + hand_text) as text:
        b=text.read()

    hands=b.split("\n\n\n\n\n")

    for i in range(1,len(hands)):
        try:
            hh = PokerStarsHandHistory(unicode(hands[i]))
            hh.parse()
            fold = FindFold(hh)

            if fold == 'showdown':
                for shower in GetShowers(hh): 
                    database.append(DataGenerator(hh,shower,hand_text,i))
                    print('Success in parsing iteration ' + str(i) + ' from file' + hand_text)

        except:
            print('PARSER ERROR ON ITERATION [[' + str(i) + ']] FROM FILE [[' + hand_text + ']]')
            database.append(EmptyLine(hand_text,i))

pd.DataFrame(database).to_csv('database2.csv'))