在处理数据量较大的文件时，如果一次性将文件读入后执行操作会比较慢。读取文件时可以有两种方式：
1、指定chunksize分块读取文件
2、指定iterator=True
针对已经读进内存的数据，可以对dataframe做切分
找了一圈没找到现成的函数，虽然我觉得一定有。。。
把我自己写的一个小切片函数附在这里，仅作记录，需要自取
def splitdf(df,num):
linenum = math.floor(len(df)/num)
pdlist = []
for i in range(num):
pd1 = df[i*linenum:(i+1)*linenum]
pdlist.append(pd1)
# print(len(pd1))
pd1 = df[(num-1)*linenum:len(df)]
pdlist.append(pd1)
return pdlist
后续：事实证明切分不会加快速度，反而还会慢，因为内存的负担更重了，emmmm
测试下来还是用chunksize分快读取数据最靠谱，不过在使用每个块时，除了第一块后面的索引会有问题，使用reset_index()重新排列一下索引就好了
