Вопрос по python – Панды: где здесь утечка памяти?

11

Я сталкиваюсь с проблемой утечек памяти, используяpandas библиотека вpython, я создаюpandas.dataframe объекты в моем классе и у меня есть метод, который изменяет размер информационного кадра в соответствии с моими условиями. После изменения размера фрейма данных и создания нового объекта pandas я переписываю оригинальный класс pandas.dataframe в своем классе. Но использование памяти очень велико даже после значительного сокращения исходной таблицы. Некоторый код для краткого примера (я не писал менеджер процессов, см. Диспетчер задач):

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()

Before dataframe creating I have approx. 15 mb of memory usage

After creating - 67mb

After changing size - 67 mb

After deleting original dataframe - 35mb

After deleting reduced table - 31 mb.

16 mb?

Я использую Python 2.7.2 (x32) на машине Windows 7 (x64), панды.version составляет 0,7,3. NumPy.version это 1.6.1

Вот как работает распределение памяти в Python. Вероятно, нет утечки памяти. jozzas

Ваш Ответ

1   ответ
26

In "Check memory after changing size", you haven't deleted the original DataFrame yet, so this will be using strictly more memory

The Python interpreter is a bit greedy about holding onto OS memory.

Я изучил это и могу заверить вас, что у панд нет утечки памяти. Я использую пакет memory_profiler (http://pypi.python.org/pypi/memory_profiler):

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)

А вот и вывод

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()

Так что, действительно, используется больше памяти, чем когда мы начинали. Но это протекает?

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

И вывод:

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]

Таким образом, на самом деле то, что произошло, заключается в том, что процесс Python удерживает пул памяти, учитывая то, что он использует, чтобы избежать необходимости запрашивать больше памяти (и затем освобождать ее) из хост-ОС. Я не знаю всех технических деталей, стоящих за этим, но это, по крайней мере, то, что происходит.

Похожие вопросы