我在你的小例子上运行了你的第二个例子中的代码（使用csv.DictReader），它成功了。我猜你的问题可能与你提到的master_file的实际规模有关。
问题可能是，尽管使用了csv.DictReader来输入信息，但在写出之前，您仍然使用Pandas Dataframe 来聚合所有内容，并且输出可能超出了您的内存预算。
如果这是真的，那么使用csv.DictWriter流输出。唯一棘手的是设置写入器，因为它需要知道字段名，而字段名在读取第一行之前是不知道的，所以我们将在读取循环的第一次迭代中设置写入器。
（我已经删除了with open(...上下文，因为我认为它们增加了太多的缩进）

df = pd.read_csv(r"file1.csv")
list_codes = list(df.EMP_Code)

f_in = open(r"master_file.csv", newline="")
reader = csv.DictReader(f_in)

f_out = open(r"output.csv", "w", newline="")

init_writer = True
for row in reader:
    if init_writer:
        writer = csv.DictWriter(f_out, fieldnames=row)
        writer.writeheader()
        init_writer = False

    if row["EMP_Code"] in list_codes:
        writer.writerow(row)

f_out.close()
f_in.close()

| EMP_名称|EMP年龄（_A）|EMP_服务|EMP_代码|EMP_部门|
| - -|- -|- -|- -|- -|
| 一种|三十|六个|c264基因|某某|
| B|二十九人|三个|f367系列|abc公司|
| 日|四十五|10个|c264基因|abc公司|
如果你想完全摆脱Pandas：

list_codes = set()
with open(r"file1.csv", newline="") as f:
    reader = csv.DictReader(f)
    for row in reader:
        list_codes.add(row["EMP_Code"])

您只需将chunksize=<SOME INTEGER>传递给panda的.read_csv函数（请参阅此处的文档）
如果你传递一个chunksize=2，你将把文件读入2行的 Dataframe 。或者......更准确地说，它将把csv的2行读入一个 Dataframe 。然后你可以把你的过滤器应用到这个2行的 Dataframe 上，并把它“累积”到另一个 Dataframe 中。下一次迭代将读取接下来的两行，你可以随后过滤......泡沫，冲洗和重复：

import pandas as pd
li = ['c264', 'f367']

result_df = pd.DataFrame()
with pd.read_csv("master_file.csv", chunksize=2) as reader:
    for chunk_df in reader:
        filtered_df = chunk_df[chunk_df.EMP_Code.isin(li)]
        result_df = pd.concat([result_df, filtered_df])
print(result_df)

# Outputs:
#   EMP_name  EMP_age  EMP_Service EMP_Code EMP_dept
# 0        a       30            6     c264      xyz
# 1        b       29            3     f367      abc
# 3        d       45           10     c264      abc

修复这些类型的文件读/写任务的一种方法是使用生成器，并以可以处理的块或部分（内存或其他约束）读取所需的数据。

def read_line():
    with open('master_file.csv','r') as fid:
        while (line:= fid.readline().split()):
            yield line

这个简单生成器在每个调用中都会给予一个新的行。2现在你可以简单地迭代这个行来做你感兴趣的过滤，并建立你的新 Dataframe 。

r_line = read_line()    
for l in r_line:
    print(l)

您可以修改生成器，例如解析并返回列表或多行等。