本篇內(nèi)容介紹了“python數(shù)據(jù)分析之DataFrame內(nèi)存優(yōu)化的方法”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

創(chuàng)新互聯(lián)2013年至今，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目做網(wǎng)站、成都網(wǎng)站制作網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元承德做網(wǎng)站,已為上家服務(wù),為承德各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:18982081108

?先說(shuō)明一下情況，pandas處理幾百兆的dataframe是沒(méi)有問(wèn)題的，但是我們?cè)谔幚韼讉€(gè)G甚至更大的數(shù)據(jù)時(shí)，就會(huì)特別占用內(nèi)存，對(duì)內(nèi)存小的用戶特別不好，所以對(duì)數(shù)據(jù)進(jìn)行壓縮是很有必要的。

1. pandas查看數(shù)據(jù)占用大小

給大家看一下這么查看自己的內(nèi)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 time
import sys
print("all_data占據(jù)內(nèi)存約: {:.2f} GB".format(user_log.memory_usage().sum()/ (1024**3)))
print("all_data占據(jù)內(nèi)存約: {:.2f} GB".format(sys.getsizeof(user_log)/(1024**3)))

我這里有個(gè)dataframe文件叫做user_log，原始大小為1.91G，然后pandas讀取出來(lái)，內(nèi)存使用了2.9G。

看一下原始數(shù)據(jù)大?。?.91G

pandas讀取后的內(nèi)存消耗：2.9G

2. 對(duì)數(shù)據(jù)進(jìn)行壓縮

• 數(shù)值類型的列進(jìn)行降級(jí)處理（‘int16", ‘int32", ‘int64", ‘float16", ‘float32", ‘float64"）

• 字符串類型的列轉(zhuǎn)化為類別類型（category）

• 字符串類型的列的類別數(shù)超過(guò)總行數(shù)的一半時(shí)，建議使用object類型

我們這里主要采用對(duì)數(shù)值型類型的數(shù)據(jù)進(jìn)行降級(jí)，說(shuō)一下降級(jí)是什么意思意思呢，可以比喻為一個(gè)一個(gè)抽屜，你有一個(gè)大抽屜，但是你只裝了鑰匙，這就會(huì)有很多空間浪費(fèi)掉，如果我們將鑰匙放到一個(gè)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(shù)據(jù)使用int8類型就夠了，這就導(dǎo)致數(shù)據(jù)占用了很多空間，我們要做的就是進(jìn)行數(shù)據(jù)類型轉(zhuǎn)換，節(jié)省內(nèi)存空間。

壓縮數(shù)值的這段代碼是從天池大賽的某個(gè)項(xiàng)目中看見(jiàn)的，查閱資料后發(fā)現(xiàn)，大家壓縮內(nèi)存都是基本固定的函數(shù)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(shù)據(jù)導(dǎo)入user_log2中

#首先讀取到csv中如何傳入函數(shù)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(nèi)訓(xùn)大小為890.48m 減少了69.6%，效果顯著

查看壓縮后的數(shù)據(jù)集信息：類型發(fā)生了變化，數(shù)量變小了

“python數(shù)據(jù)分析之DataFrame內(nèi)存優(yōu)化的方法”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！