pandas处理数据内存如何优化或者替代方案
现在单台服务器的内存是500GB，pandas需要处理的数据约2亿条，处理时很大概率由于内存占用过高，导致服务器崩溃或假死，需要寻求一种尽可能不大面积修改代码，但是能够优化内存的方案。
目前，已经测试过的方案有：
1.dask，单机和集群都试过，感觉效果不理想,还是会有内存问题
2.modin，一行代码就可以加速pandas的库，单机和集群本地测试过，虽然做计算时很快，但是感觉在数据输出to_csv，to_sql时才会进行运算，感觉类似于dask的compute，输出数据的时间有时候比pandas整个流程运行完还长
3.数据类型转换及优化
还有其他可行性方案吗，需要尽可能少改动pandas的代码
