[英]Pandas: garbage-collect drop'ped columns to release memory
我正在處理一個包含大約 20,000,000 行和 4 列的大型數據集。 不幸的是,我機器上可用的 memory (~16GB) 是不夠的。
示例(時間是從午夜開始的秒數):
Date Time Price Vol
0 20010102 34222 51.750 227900
1 20010102 34234 51.750 5600
2 20010102 34236 51.875 14400
然后我將數據集轉換為適當的時間序列 object:
Date Time Price Vol
2001-01-02 09:30:22 20010102 34222 51.750 227900
2001-01-02 09:30:34 20010102 34234 51.750 5600
2001-01-02 09:30:36 20010102 34236 51.875 14400
2001-01-02 09:31:03 20010102 34263 51.750 2200
要發布 memory,我想刪除多余的日期和時間列。 我使用.drop()
方法完成此操作,但未發布 memory。 之后我也嘗試調用gc.collect()
但這也無濟於事。
這是我為處理所描述的操作而調用的代碼。 del
部分釋放 memory 但不釋放drop
部分。
# Store date and time components
m, s = divmod(data.Time.values, 60)
h, m = divmod(m, 60)
s, m, h = pd.Series(np.char.mod('%02d', s)), pd.Series(np.char.mod('%02d', m)), pd.Series(np.char.mod('%02d', h))
# Set time series index
data = data.set_index(pd.to_datetime(data.Date.reset_index(drop=True).apply(str) + h + m + s, format='%Y%m%d%H%M%S'))
# Remove redundant information
del s, m, h
data.drop('Date', axis=1, inplace=True)
data.drop('Time', axis=1, inplace=True)
如何從 pandas 數據框中釋放 memory?
del data['Date']
del data['Time']
這將釋放 memory。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.