我对Python和Pandas都很陌生，我试图找出最快的方法来执行左侧数据集（大约1100万行）和右侧数据集（大约160K行和四列）之间庞大的左侧外部连接。这应该是一个多对一的情况，但我希望连接不要踢出一个错误，如果有一个重复的行在右侧。我在Windows7 64位系统上使用了CanopyExpress，内存为8GB，我已经很难适应了。
这是我迄今为止整理的代码模型：
import pandas as pd
leftcols = ['a','b','c','d','e','key']
leftdata = pd.read_csv("LEFT.csv", names=leftcols)
rightcols = ['x','y','z','key']
rightdata = pd.read_csv("RIGHT.csv", names=rightcols)
mergedata = pd.merge(leftdata, rightdata, on='key', how='left')
mergedata.to_csv("FINAL.csv")
这可以处理小文件，但在我的系统上生成一个内存错误，文件大小比我实际需要合并的文件大小小两个数量级。
我一直在浏览相关的问题（one，two，three），但没有一个答案能真正解决这个基本问题——或者如果答案是这样的话，它的解释不足以让我认识到潜在的解决方案。接受的答案也无济于事。我已经在一个64位系统上使用了最新稳定版本的Canopy（1.5.5 64位，使用Python 2.7.10）。
什么是最快和/或最蟒蛇的方法来避免这个记忆错误的问题？
最佳答案
为什么不直接将您的右文件读入pandas（甚至读入一个简单的字典），然后使用csv模块遍历您的左文件来读取、扩展和写入每一行？处理时间（相对于开发时间）是一个重要的限制吗？