python數據分析之DataFrame內存優(yōu)化
💃今天看案例的時候看見了一個關于pandas數據的內存壓縮功能，特地來記錄一下。
🎒先說明一下情況，pandas處理幾百兆的dataframe是沒有問題的，但是我們在處理幾個G甚至更大的數據時，就會特別占用內存，對內存小的用戶特別不好，所以對數據進行壓縮是很有必要的。
1. pandas查看數據占用大小
給大家看一下這么查看自己的內存大?。?mark>user_log是dataframe的名字）
#方法1 就是使用查看dataframe信息的命令
user_log.info()
#方法2 使用memory_usage()或者getsizeof(user_log)
import time
import sys
print('all_data占據內存約: {:.2f} GB'.format(user_log.memory_usage().sum()/ (1024**3)))
print('all_data占據內存約: {:.2f} GB'.format(sys.getsizeof(user_log)/(1024**3)))
我這里有個dataframe文件叫做user_log，原始大小為1.91G，然后pandas讀取出來，內存使用了2.9G。
看一下原始數據大小：1.91G
pandas讀取后的內存消耗：2.9G
2. 對數據進行壓縮
- 數值類型的列進行降級處理（‘int16', ‘int32', ‘int64', ‘float16', ‘float32', ‘float64'）
- 字符串類型的列轉化為類別類型（category）
- 字符串類型的列的類別數超過總行數的一半時，建議使用object類型
我們這里主要采用對數值型類型的數據進行降級，說一下降級是什么意思意思呢，可以比喻為一個一個抽屜，你有一個大抽屜，但是你只裝了鑰匙，這就會有很多空間浪費掉，如果我們將鑰匙放到一個小抽屜里，就可以節(jié)省很多空間，就像字符的類型int32 比int8占用空間大很多，但是我們的數據使用int8類型就夠了，這就導致數據占用了很多空間，我們要做的就是進行數據類型轉換，節(jié)省內存空間。
壓縮數值的這段代碼是從天池大賽的某個項目中看見的，查閱資料后發(fā)現，大家壓縮內存都是基本固定的函數形式
def reduce_mem_usage(df):
starttime = time.time()
numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
start_mem = df.memory_usage().sum() / 1024**2
for col in df.columns:
col_type = df[col].dtypes
if col_type in numerics:
c_min = df[col].min()
c_max = df[col].max()
if pd.isnull(c_min) or pd.isnull(c_max):
continue
if str(col_type)[:3] == 'int':
if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
df[col] = df[col].astype(np.int8)
elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
df[col] = df[col].astype(np.int16)
elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
df[col] = df[col].astype(np.int32)
elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
df[col] = df[col].astype(np.int64)
else:
if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
df[col] = df[col].astype(np.float16)
elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
df[col] = df[col].astype(np.float32)
else:
df[col] = df[col].astype(np.float64)
end_mem = df.memory_usage().sum() / 1024**2
print('-- Mem. usage decreased to {:5.2f} Mb ({:.1f}% reduction),time spend:{:2.2f} min'.format(end_mem,
100*(start_mem-end_mem)/start_mem,
(time.time()-starttime)/60))
return df
用壓縮的方式將數據導入user_log2中
#首先讀取到csv中如何傳入函數生稱新的csv user_log2=reduce_mem_usage(pd.read_csv(r'/Users/liucong/MainFiles/ML/tianchi/tianmiao/user_log_format1.csv'))
讀取成功：內訓大小為890.48m 減少了69.6%，效果顯著
查看壓縮后的數據集信息：類型發(fā)生了變化，數量變小了
3. 參考資料
《天池大賽》
《kaggle大賽》
鏈接: pandas處理datafarme節(jié)約內存.
到此這篇關于python數據分析之DataFrame內存優(yōu)化的文章就介紹到這了,更多相關python DataFrame內存優(yōu)化內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要給大家介紹了新手Python環(huán)境配置指南及pip安裝教程的相關資料,pip是一款非常方便的python包管理工具,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-07-07
本文介紹了如何在Windows系統(tǒng)上安裝和配置Python解釋器、切換默認版本、使用虛擬環(huán)境安裝Django,并通過PyCharm創(chuàng)建和管理Django項目2025-01-01
下面小編就為大家分享一篇python3獲取當前文件的上一級目錄實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
python+selenium+autoit實現文件上傳功能
這篇文章主要介紹了python+selenium+autoit實現文件上傳功能,需要的朋友可以參考下2017-08-08
這篇文章主要為大家介紹了python案例中Flask全局配置示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-12-12
這篇文章主要介紹了利用Python編寫的外星人入侵游戲的示例代碼，文中的代碼講解詳細，對我們學習Python有一定的幫助，感興趣的可以學習一下2022-03-03
echarts是百度推出的一款開源的基于JavaScript的可視化圖表庫，該開發(fā)庫目前發(fā)展非常不錯，且支持各類圖形的繪制可定制程度高。如下演示案例中，將分別展示運用該繪圖庫如何前后端交互繪制（餅狀圖，柱狀圖，折線圖）這三種最基本的圖形，需要的可以參考一下2022-10-10
這篇文章給大家分享了Python3用tkinter和PIL實現看圖工具的詳細實例代碼，有興趣的朋友參考學習下。2018-06-06
今天小編就為大家分享一篇解決nohup重定向python輸出到文件不成功的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
今天小編就為大家分享一篇解決python flask中config配置管理的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07