python - 如何在 Colab 中将长 DEAP 日志(10 MM)转换为数据帧时修复 RAM 限制?
问题描述
在将包含大约 10 MM 条目的 DEAP 日志(本质上是字典列表)转换为 Dataframe 以进行进一步处理时,我收到了一条关于 Google Colab 中 RAM 溢出的消息。
我正在使用 DEAP 包进行一些实验,因为我的机器又慢又旧,我一直在帮助自己使用 Google 的 Colab 服务。模拟的结果是一个 DEAP 的日志,这是一个字典列表。每个字典都是对模拟屏幕截图的重要值的汇总。我一直在将这个字典列表转换为 Dataframes 进行分析,但是对于最大的模拟,由于它超过了分配的 RAM,进程崩溃了。
字典存储这种值:
logbook[-1]
{'avg': 16.72180244532359,
'b_ratio': 5,
'best': 0.006420736818512296,
'births': 80160,
'cx_pb': 0.9,
'exp': 128,
'k_par': 6,
'k_sur': 6,
'med': 2.6377157552245727,
'mut_pb': 0.9,
'mut_sig': 7.5,
'pop': 160,
'rep': 40,
'seed': 112,
'std': 20.059567935625164,
'worst': 55.23488779660829}
我有兴趣存储为 pandas 数据帧的日志在 10MM 到 12MM 之间。稍后,我会将这个数字减少到五分之一左右。
在对日志进行腌制和解封后,我发现我使用了分配的 12.7GB 中的大约 7.7GB。
我试过了:
from itertools import chain
fitness_res = pd.DataFrame(list(chain.from_iterable(logbook)))
和
pop_records = [record for record in logbook]
fitness_res = pd.DataFrame(pop_records)
没有成功。
我得到的错误是:
Your session crashed after using all available RAM. View runtime logs
我希望有一个包含 DEAP 日志中所有数据的数据框。
解决方案
DataFrame inpandas
将所有数据加载到内存中。您使用的方法是使用额外的内存来加载数据,然后再将其传递pandas
到 DataFrame 中;例如
from itertools import chain
fitness_res = pd.DataFrame(list(chain.from_iterable(logbook)))
意味着在您将数据传递给您之前,pd.DataFrame
您正在创建所有读取值的列表。
而使用第二种方法:
pop_records = [record for record in logbook]
fitness_res = pd.DataFrame(pop_records)
您正在使用列表推导创建一个列表,该列表在将所有数据传递给之前再次将所有数据加载到内存中pandas
。
我的建议是您直接在腌制文件上使用 pandas 数据加载功能pandas.read_pickle
:
fitness_res = pd.read_pickle(pickle_file_path)
推荐阅读
- php - 如何获取常量的值并将其保存到数据库中
- python - 将日期时间字符串转换为日期时间格式(日文字符)
- yaml - 在 yaml 文件中,如何在不同键(.yml 文件)的另一个长列表值之间/之间使用键的值
- redis - 如何创建 bitnami redis-cluster ACL 用户并在 redis.conf 上持久化条目?
- reactjs - react-spring,单独为列表项设置动画
- javascript - 如何向地图添加新值?
- android - 构建应用程序包时出错:无法为 SigningConfig 获取未知属性“发布”
- java - 使用 Java Selenium Headless 登录 Instagram
- aws-lambda - aws cloudwatch lambda 洞察中缺少日志
- assembly - 组装或在同一个寄存器上