python数据分析之DataFrame内存优化的方法
本篇内容介绍了"python数据分析之DataFrame内存优化的方法"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
?先说明一下情况，pandas处理几百兆的dataframe是没有问题的，但是我们在处理几个G甚至更大的数据时，就会特别占用内存，对内存小的用户特别不好，所以对数据进行压缩是很有必要的。
1. pandas查看数据占用大小
给大家看一下这么查看自己的内存大小（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 timeimport sysprint("all_data占据内存约: {:.2f} GB".format(user_log.memory_usage().sum()/ (1024**3)))print("all_data占据内存约: {:.2f} GB".format(sys.getsizeof(user_log)/(1024**3)))我这里有个dataframe文件叫做user_log，原始大小为1.91G，然后pandas读取出来，内存使用了2.9G。
看一下原始数据大小：1.91G
pandas读取后的内存消耗：2.9G
2. 对数据进行压缩
数值类型的列进行降级处理（'int16", 'int32", 'int64", 'float16", 'float32", 'float64"）
字符串类型的列转化为类别类型（category）
字符串类型的列的类别数超过总行数的一半时，建议使用object类型
我们这里主要采用对数值型类型的数据进行降级，说一下降级是什么意思意思呢，可以比喻为一个一个抽屉，你有一个大抽屉，但是你只装了钥匙，这就会有很多空间浪费掉，如果我们将钥匙放到一个小抽屉里，就可以节省很多空间，就像字符的类型int32 比int8占用空间大很多，但是我们的数据使用int8类型就够了，这就导致数据占用了很多空间，我们要做的就是进行数据类型转换，节省内存空间。
压缩数值的这段代码是从天池大赛的某个项目中看见的，查阅资料后发现，大家压缩内存都是基本固定的函数形式
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用压缩的方式将数据导入user_log2中
#首先读取到csv中如何传入函数生称新的csvuser_log2=reduce_mem_usage(pd.read_csv(r"/Users/liucong/MainFiles/ML/tianchi/tianmiao/user_log_format1.csv"))
读取成功：内训大小为890.48m 减少了69.6%，效果显著
查看压缩后的数据集信息：类型发生了变化，数量变小了
"python数据分析之DataFrame内存优化的方法"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！
