我在 python 中使用 pandas
库来解决内存泄漏问题。我在班级中创建pandas.dataframe
个对象,我有方法,根据我的条件更改数据框大小。在更改数据框大小并创建新的pandas对象后,我在我的类中重写了原始的pandas.dataframe。但即使在显着减少初始表之后,内存使用率也非常高。一些代码用于简短示例(我没有编写流程管理器,请参阅任务管理器):
import time, string, pandas, numpy, gc
class temp_class ():
def __init__(self, nrow = 1000000, ncol = 4, timetest = 5):
self.nrow = nrow
self.ncol = ncol
self.timetest = timetest
def createDataFrame(self):
print('Check memory before dataframe creating')
time.sleep(self.timetest)
self.df = pandas.DataFrame(numpy.random.randn(self.nrow, self.ncol),
index = numpy.random.randn(self.nrow), columns = list(string.letters[0:self.ncol]))
print('Check memory after dataFrame creating')
time.sleep(self.timetest)
def changeSize(self, from_ = 0, to_ = 100):
df_new = self.df[from_:to_].copy()
print('Check memory after changing size')
time.sleep(self.timetest)
print('Check memory after deleting initial pandas object')
del self.df
time.sleep(self.timetest)
print('Check memory after deleting copy of reduced pandas object')
del df_new
gc.collect()
time.sleep(self.timetest)
if __name__== '__main__':
a = temp_class()
a.createDataFrame()
a.changeSize()
在创建数据帧之前,我有大约。 15 MB的内存使用量
创建后 - 67mb
更改尺寸后 - 67 mb
删除原始数据框后 - 35mb
删除缩减表格后 - 31 mb。
16 mb?
我在Windows 7(x64)机器上使用python 2.7.2(x32),pandas。版本是0.7.3。 numpy。版本是1.6.1
答案 0 :(得分:26)
有几点要指出:
在“更改大小后检查内存”中,您尚未删除原始DataFrame,因此这将严格使用更多内存
Python解释器对于保留操作系统内存有点贪心。
我调查了这一点,可以向你保证,大熊猫不会泄漏记忆。我正在使用memory_profiler(http://pypi.python.org/pypi/memory_profiler)包:
import time, string, pandas, numpy, gc
from memory_profiler import LineProfiler, show_results
import memory_profiler as mprof
prof = LineProfiler()
@prof
def test(nrow=1000000, ncol = 4, timetest = 5):
from_ = nrow // 10
to_ = 9 * nrow // 10
df = pandas.DataFrame(numpy.random.randn(nrow, ncol),
index = numpy.random.randn(nrow),
columns = list(string.letters[0:ncol]))
df_new = df[from_:to_].copy()
del df
del df_new
gc.collect()
test()
# for _ in xrange(10):
# print mprof.memory_usage()
show_results(prof)
这是输出
10:15 ~/tmp $ python profmem.py
Line # Mem usage Increment Line Contents
==============================================
7 @prof
8 28.77 MB 0.00 MB def test(nrow=1000000, ncol = 4, timetest = 5):
9 28.77 MB 0.00 MB from_ = nrow // 10
10 28.77 MB 0.00 MB to_ = 9 * nrow // 10
11 59.19 MB 30.42 MB df = pandas.DataFrame(numpy.random.randn(nrow, ncol),
12 66.77 MB 7.58 MB index = numpy.random.randn(nrow),
13 90.46 MB 23.70 MB columns = list(string.letters[0:ncol]))
14 114.96 MB 24.49 MB df_new = df[from_:to_].copy()
15 114.96 MB 0.00 MB del df
16 90.54 MB -24.42 MB del df_new
17 52.39 MB -38.15 MB gc.collect()
事实上,使用的内存比我们开始时更多。但是它在泄漏吗?
for _ in xrange(20):
test()
print mprof.memory_usage()
输出:
10:19 ~/tmp $ python profmem.py
[52.3984375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59765625]
[122.59765625]
[122.59765625]
所以实际上正在发生的事情是Python进程持有内存池,因为它一直在使用它来避免不断地从主机操作系统请求更多内存(然后释放它)。我不知道这背后的所有技术细节,但至少是发生了什么。