您可以像读取普通文本文件一样读取它，并按行分析行。你可以对它做任何治疗。
比如：

Header = []
with open( 'CSVFile.name' ], 'r') as InputFile:
  for Line in InputFile :
    PureData = re.split( Separator, Line[:-1])
    # assume 1st line is header
    if not Header :
      Header = PureData
    else :
      MyRecord = map( lambda x, y: { x, y }, Header, PureData)

      print( str( MyRecord))

Pandas可以通过读取大块的文件来处理大文件。如果你提供 chunksize 参数 pd.read_csv() 函数，a TextFileReader 将被返回，您可以对它进行迭代，对内存中的每个卡盘执行操作。
下面是一个一次读取1000行并对每个块执行操作的示例：

reader = pd.read_csv('your_file.csv', chunksize=1000)
for chunk in reader:
    # do operations on chuck which is a dataframe with 1000 rows.

注意，在每个卡盘上执行的操作必须聚合或减小卡盘的大小，并且不要将它们存储在列表中，否则会耗尽内存。如果您需要对列执行操作，这样就不会减小 DataFrame ，然后在每个卡盘上操作后，将结果存储到文件中。