[英]Reducing memory usage with Pandas DataFrame
我的 RAM 用完了,而直接生成了 4,500 x 1,000,000 的相關模擬數據幀。 在下面的代碼中,我將模擬分為十個部分(100,000 個模擬的 10 個實例/通過秩相關矩陣corr_matrix
連接的 4,500 個時間序列中的每一個的實例),這使我能夠保持在 RAM 上限以下:
import pandas as pd
import os
from multiprocessing import Pool
from scipy.stats.distributions import t
from time import time
from statsmodels.sandbox.distributions.multivariate import multivariate_t_rvs as mv_t
filename_prefix = 'generation\\copulas'
def sim(iterable) -> pd.DataFrame:
corr_file, year, part_num, n_sims, df = iterable
corr = pd.read_pickle(corr_file)
copula = pd.DataFrame(t.cdf(mv_t(m=([0] * corr.shape[0]), S=corr, df=df, n=n_sims), df=df))
copula.columns = corr.columns
copula.columns.names = corr.columns.names
copula.to_pickle('%s\\year_%s\\part_%s.pkl' % (filename_prefix, (year + 1), part_num))
return copula
def foo(corr_file: str, n_years: int, n_sims: int, n_parts: int = 10, df: int = 3):
start = time()
for year in range(n_years):
part_size: int = int(n_sims / 10)
temp_dir: str = '%s\\year_%s' % (filename_prefix, year + 1)
temp_file: str = '%s\\year' % temp_dir
os.makedirs('%s\\year_%s' % (filename_prefix, year + 1))
with Pool(3) as p:
collection = p.map(func=sim, iterable=[(corr_file, year, x, part_size, df) for x in range(n_parts)])
temp = pd.concat(collection)
temp.to_pickle('%s\\year_%s.pkl' % (filename_prefix, year + 1))
print('\tRun time = %s' % (time() - start))
我的問題是:
感謝您的幫助和時間!
您可以嘗試讀取文件並指定“chunk_size”。 這也將在循環中運行,但您需要將代碼的讀取數據部分與代碼的處理數據部分完全分開。 完成此操作的類似方法是使用名為dask的模塊。 該模塊使用數據幀,但會自動將數據拆分為可管理的大小。
PS似乎對內存和CPU使用率有些困惑。 看看這個問題和答案。
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.