本文转载自 GitHubDaily 许多组织都在尝试收集和利用尽可能多的数据，以改善其经营方式，增加收入和提升影响力。因此，数据科学家面对 50GB 甚至 500GB 大小的数据集情况变得越来越普遍。 不过，这类数据集使用起来不太容易。它们足够小，可以装入日常笔记本电脑的硬盘驱动器中，但同时大到无法装入 RAM，导致它们已经很难打开和检查，更不用说探索或分析了。 处理此类数据集时，通常采用