可以使用 `pandas` 库将一个 DataFrame 按行顺序分割成多个部分，并分别保存为 CSV 文件。以下是一个完整的实现方法： ### 方法一：按指定块大小分割 当处理大型数据集时，可以通过设置每块的行数来逐步读取和处理数据。例如，使用 `pandas.read_csv()` 的 `chunksize` 参数可以按固定大小分块读取文件[^1]。 ```python import pandas as pd # 分块读取并处理大文件 file = 'large_data.csv' path = 'processed_chunk.csv' df_iterator = pd.read_csv(file, chunksize=50000) # 每块5万行 def process_dataframe(df): # 示例处理函数（可自定义） return df # 假设不进行任何修改 for index, df_tmp in enumerate(df_iterator): df_processed = process_dataframe(df_tmp) if index > 0: df_processed.to_csv(path, mode='a', header=False, index=False) else: df_processed.to_csv(path, mode='w', header=True, index=False) ``` ### 方法二：按等分数目分割 如果希望将整个 DataFrame 等分成若干份，而不是基于文件流式读取，则可以使用如下方式： ```python import pandas as pd import numpy as np # 创建示例DataFrame data = pd.DataFrame(np.random.rand(1000, 5), columns=list('ABCDE')) # 定义分割份数 num_chunks = 5 # 计算每份的大小 chunk_size = len(data) // num_chunks # 分割并保存 for i in range(num_chunks): start = i * chunk_size end = (i + 1) * chunk_size if i < num_chunks - 1 else len(data) chunk = data[start:end] chunk.to_csv(f'chunk_{i+1}.csv', index=False) ``` ### 方法三：使用 numpy.array_split 实现更灵活的分割 这种方法允许非整除分割，并自动处理余数行。 ```python import pandas as pd import numpy as np # 示例数据 data = pd.DataFrame(np.random.rand(1003, 5), columns=list('ABCDE')) # 分割为5个部分 chunks = np.array_split(data, 5) # 保存每个部分 for i, chunk in enumerate(chunks): chunk.to_csv(f'data_part_{i+1}.csv', index=False) ``` 上述代码中： - 使用了 `numpy.array_split()` 来实现均匀分割，即使数据不能被整除也能合理分配。 - `to_csv()` 用于将每个子集保存为独立的 CSV 文件。 ---