从5亿行数据中，筛选出重复次数在1000行的数据行，也爆内存了

今

日

鸡

汤

独在异乡为异客，每逢佳节倍思亲。

大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群【巭孬🕷】问了一个问题，一起来看看吧。从5亿行数据中，筛选出重复次数在1000行的数据行，以前用这个，也爆内存了。

二、实现过程

这里【隔壁😼山楂】给了一个思路：如下所示：

后来【郑煜哲·Xiaopang】给了个思路，全tuple后，set。后来粉丝用merge逐一并集 解决了这个问题。

原来是用concat全部连接起来，再drop_duplicates，直接爆了。

刚才的是去重，算是解决了。现在又有个新问题，下一篇文章我们一起来看看吧。

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个大数据去重的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。