11

我在pythonpandas中使用库面临内存泄漏问题。我在我的类中创建对象并且我有方法,可以根据我的条件改变数据框的大小。在更改数据框大小并创建新的熊猫对象后,我在课堂上重写了原始的 pandas.dataframe。但是即使在显着减少初始表之后,内存使用率也非常高。一些简短示例的代码(我没有编写流程管理器,请参阅任务管理器):pandas.dataframe

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()
  • 在创建数据框之前,我大约有。15 mb 的内存使用量

  • 创建后 - 67mb

  • 更改大小后 - 67 mb

  • 删除原始数据框后 - 35mb

  • 删除缩小表后 - 31 mb。

16 兆?

我在 Windows 7 (x64) 机器 pandas 上使用 python 2.7.2(x32)。版本是 0.7.3。麻木的。版本是 1.6.1

4

1 回答 1

26

需要指出的几点:

  1. 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

  2. Python 解释器对于占用操作系统内存有点贪心。

我对此进行了调查,可以向您保证 pandas 没有泄漏内存。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()

所以确实,使用的内存比我们开始时更多。但它会泄漏吗?

for _ in xrange(20):
    test()
    print mprof.memory_usage()

并输出:

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]

所以实际上发生的事情是 Python 进程一直在使用一个内存池,以避免必须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,但这至少是正在发生的事情。

于 2012-05-15T14:22:04.550 回答