pandas问题，分块读取，速度越来越慢慢

dataset = P.read_csv(r'E:\try\Stock_All.csv',chunksize = 4096,dtype ={'code':str})    
for each in dataset:
        print('正在处理第 %d 块' % n)
        n += 1
        unique = each['code'].unique()
        for each_code in unique:
            filedir = r'E:\try\S_A_Sep' +'\\'+ str(each_code) +'.csv'

            columns_need = ['date','open','high','close','low','volume','amount','code','id']
            each[each['code'] == each_code].loc[:,columns_need].to_csv(filedir,mode ='a',header = columns_need)
        del each
    return None

前1000块处理速度非常快，但到1500后面就非常慢
尝试用del each释放内存，没办法
有大神能解释下读取速度变慢的原因和解决方法吗

1.chuck size 太小了。
2.注意数值类型，一看你就是交易数据。数值类型会极大影响速度。
3.必要时可以直接numpy，pandas 本身依赖于numpy。
4.大数据尽量矢量化操作

百万级别数据其实一次读完都可以。

不要每一条都写一次文件，可以总体弄完写到csv里面去
columns_need 可以放到最外面去