Pandas 解析 Excel 时 MemoryError 的成因与优化办法
Pandas 读取 Excel 时出现 MemoryError，并不一定意味着文件真的很大。很多情况下，问题出在 Excel 的“已用区域”被异常拉长，配合 object 类型列和未及时释放对象，最终触发数 GiB 级内存申请。本文结合报错特征、成因和可直接落地的处理方式，整理出一套更稳妥的 Excel 解析思路。
08-25
323
Pandas 读取 Excel 时出现 MemoryError，并不一定意味着文件真的很大。很多情况下，问题出在 Excel 的“已用区域”被异常拉长，配合 object 类型列和未及时释放对象，最终触发数 GiB 级内存申请。本文结合报错特征、成因和可直接落地的处理方式，整理出一套更稳妥的 Excel 解析思路。
这篇文章围绕 Windows 本地搭建 Python 开发环境展开，先说明 Python 的定位与适用场景，再按顺序讲清 Python 3.14.6 安装、命令行验证、首个脚本运行，以及 VSCode、PyCharm 两套常见开发工具的配置方法，方便新手快速完成可用环境。
在 PyCharm 里配置 SSH 远程解释器，真正决定成败的不是点菜单，而是先确认 SSH 连通、远程 Python 路径准确、同步目录可写。本文按实际排障顺序梳理配置流程，并把最常见的路径、权限、调试识别问题一并讲清。
在 Debian 上写 Python 时，异常处理机制与其他操作系统并无差异，核心仍是 `try`、`except`、`else` 与 `finally`。本文结合一个除零示例，说明各代码块何时执行、该如何分工，以及为什么这套写法足以覆盖大多数常见报错场景。
在 Debian 环境编写 Python 时，代码风格不只是“好看”，它直接影响协作效率和后续维护。本文按 PEP 8 规则、常见细节、检查与格式化工具，以及虚拟环境和测试实践四部分梳理，帮助你快速建立一套可执行的规范方案。
Linux 下的 Python 环境优化，核心不是堆工具，而是把版本、隔离、依赖和运行参数几件事理顺。本文按开发到部署的顺序梳理可直接落地的方法，帮助你判断哪些做法适合日常开发，哪些更适合团队协作或生产环境。
Jupyter Notebook 想切到深色模式，最省事也最稳定的做法不是手改 CSS，而是直接使用 jupyter-themes。本文整理安装、主题选择、启用命令和回退方法，并补上图表边框、缓存不刷新的常见问题处理。 Jupyter Notebook 想换成深色背景，很多人会先去改 CSS 或找浏览器插件，但这类办法常常只改了界面，图表和输出区域却没跟上。
Ubuntu 对 Python 学习很友好，关键不是资源多，而是先选对路径。本文按文档、课程、书籍、视频、社区和工具六个维度梳理可用资源，并说明它们分别适合什么阶段、能解决什么问题，帮助你更快搭出自己的学习路线。
这篇文章把一个抓取慕课网免费课程的 Scrapy 示例，整理成可直接复用的完整流程：从按课程类型翻页抓取，到进入详情页补齐难度、时长、评分，再通过接口拿到学习人数，最后异步写入 MySQL。代码事实、命令和表结构均保留，方便对照落地。
`RuntimeError: Event loop is closed` 往往不是单点报错，而是事件循环生命周期已经失控。问题常见于 `asyncio.run()` 后继续复用 loop、跨线程误传 loop，或异步资源在 loop 关闭后才释放。本文按成因、修复方式和排查步骤梳理处理方法。 在 Python 异步开发里，`RuntimeError: Event loop is closed` 往往不是偶发异常，而是事件循环已经被关闭，后续代码却还在继续使用它。
这篇文章围绕 Pandas `groupby()` 的常见使用场景，系统梳理了分组对象创建、聚合、`transform`、`filter`、`apply` 以及多种实战技巧。重点不只在语法罗列，还会说明什么时候该用哪一种方法，以及如何兼顾结果形状、可读性与性能。
在 Ubuntu 上调试 Python，不只有 `print()` 一条路。本文按命令行、IDE、增强工具、日志、断言到 C 扩展排查六类场景梳理常用方案，保留安装命令、配置示例和适用边界，方便你按问题类型快速选对工具。 Ubuntu 上排查 Python 问题时，很多人会先想到 `print()`，但真正高效的做法，是根据问题类型切换到更合适的工具。
