首先给大家看下文件数据，需要实现的是对key值得分组求和。
通过pandas实现思路有两种，一种是直接对文件读取并使用groupby进行分组，一种是将数据分块读取，迭代操作，防止数据量大内存爆掉。
其中，第一种思路是用了DataFrame自带的groupby，那么如果转换的时候使用了Series结构，也可使用Series结构中的value_counts。
files = 'E:/.../data6.csv'
df = pd.read_csv(files,nrows = 5)
print(df)
df = pd.read_csv(files)
print(df.describe())
文件数据前5行
文件描述：共一万行数据
方法一、直接读取数据通过groupby实现
使用DataFrame下的groupby，轻松实现分组计数，且groupby的参数可以用list，实现多类分组计数。这里对结果数据进行了降序排列，且只展示了前五行数据。
同时，我对该方法进行了计时，总耗时0.05秒。
代码
结果
方法二、采用分块读取文件数据，并对分块数据进行计数
这边分块的时候，最开始使用了chunksize = 100，也就是说100行一块，需要耗时1秒；改用10000的话，需要耗时0.02秒。也就是说，像10000行这种小数据集，直接读取就行，不需要分块。
需要注意的是，这边在对key值计数的时候，我们使用了fill_value填充Nan值，以防出现Nan不可计算的情况。
代码
结果
网友评论