Python 处理大数据内存不够怎么办？

① 分块读取：pandas.read_csv(chunksize=10000) 迭代处理，或 Dask dataframe 并行分块；② dtype 优化：指定 category/float32/int32 降内存（read_csv dtype 参数，category 可省 50%+）；③ 只读需要的列：usecols 参数；④ 采样：nrows 参数预览；⑤ 数据外存：sqlite/parquet（列式压缩）/hdf5；⑥ 并行：多进程分片（modin/polars）；⑦ 流式处理：避免全量进内存，逐行/逐块聚合；⑧ 内存监测：tracemalloc、resource。polars：内存高效、并行、惰性执行，大数据场景替代 pandas 的现代选择。