Question

关于我的df的信息：

RangeIndex: 14151145 entries, 0 to 14151144
Data columns (total 4 columns):
id    object
idf   object
ch    object
hr    uint8
dtypes: object(3), uint8(1)
memory usage: 337.4+ MB

我的系统有120GB内存，当我运行时：

dfp = df.pivot_table(index='id', columns=['idf','ch'],aggfunc='count')

我的结果数据透视表将有10800列。

我的内存消耗大约为35 GB，然后出现内存错误。我无法理解这个问题因为我有很多空闲记忆。

我在JupyterNotebook中运行代码。

Answer 1

我无法找到任何可以帮助我一次处理所有数据的内容。

所以，将我的df切成 n 片段w.r.t到 ids ，每个id可以有多个样本。

def partition(lst, n):
    division = len(lst) / float(n)
    return [ lst[int(round(division * i)): int(round(division * (i + 
    1)))] for i in range(n) ]

chunks_df = pd.DataFrame()

ids = dt_m['id'].unique()
part_ids=partition(ids,5)

i=0
gc.collect()
for lst in part_ids:
     chunks_df=chunks_df.append(dt_m[dt_m['id'].isin(lst)].PIVOT_OPERATION())

     print("{} batch done".format(i))
     i=i+1

Pandas透视表内存错误，可用的内存很多

1 个答案: