python - 处理大型数据集的内存效率
问题描述
我有一个像这样的数据集(真实数据有更多的列和数百万行:
data = {'stringID':['AB CD Efdadasfd','RFDS EDSfdsadf dsa','FDSADFDSADFFDSA'],'IDct':[1,2,3]}
data = pd.DataFrame(data)
data['Index1'] = [[3],[7,9],[5,6,8]]
data['Index2'] = [[4],[10,13],[8,9,10]]
列表在这里具有动态长度,我正在尝试使用列表中的索引对字符串进行切片,以下脚本有效,但是在处理数百万行数据时会消耗大量内存,并且 python 不会自动将内存返回给系统导致运行整个脚本的问题。
data['Output1'] = [x[y[0]:z[0]] for x,y,z in data[['stringID','Index1','Index2']].to_numpy()]
data.loc[data['IDct']>1,'Output2'] = [x[y[1]:z[1]] for x,y,z in data[data['IDct']>1][['stringID','Index1','Index2']].to_numpy()]
data.loc[data['IDct']>2,'Output3'] = [x[y[2]:z[2]] for x,y,z in data[data['IDct']>2][['stringID','Index1','Index2']].to_numpy()]
我正在尝试 gc.collect() 但在释放内存方面效果不佳。在脚本中的每个步骤之后,运行相同计算的内存有效方式或将内存释放回系统的方式是什么?请多多指教,谢谢。
解决方案
推荐阅读
- php - php计数2个参数错误
- angular - 根据可以适合页面的项目更改角度材料分页
- java - 创建 blob - java 堆空间
- ag-grid - ag-icon-small-right 的 ag-grid 选项
- powerbi - 使用 DAX EVALUATE 复制/捕获数据透视表
- c# - LDAP 服务器不可用异常
- vba - 在 Worksheet_PivotTableUpdate 中获取工作表时出错
- sql-server - 仅使用 nvarchar(100) 与 nvarchar(255) 的 10 个字符的存储命中率是多少?
- html - 移动视图屏幕右侧的间隙
- symfony - 在 symfony 4 的 Security 方法中添加一些东西