質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.80%

大容量ファイルの読み込みを一度だけに済ませたい

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,798

Vinoue

score 15

やりたいこと

現在、4GBの「data.pickle」というファイルがあります。

import pandas as pd

# 読み込み
df = pd.read_pickle("data.pickle") 

# 何かの計算処理
df = df * input()

# 結果
print(df.describe())


一例としてのサンプルコードですが、
以上のようにしてファイルを読み込むのですが、このpythonファイルを実行するたび、毎回4GBのファイルを読み込むことになり、これが大変時間がかかります。

最初の一回だけ(時間がかかってもいいので)メモリに読み込んでおいて、
二回目以降はdfだけすでにメモリに読み込まれた状態のものを使うことができる……みたいな方法はないのでしょうか?

ちなみに上記の「# 何かの計算処理」という箇所は、実際にはかなり長くて、複数の関数を行ったり来たりしているややっこしいコードなので、
できればファイルの読み込み部分df = pd.read_pickle("data.pickle") だけ変えて処理できる方法を知りたいです。

ご存知の方よろしくお願いします。

環境

Ubuntu 19.04
メモリはGCEを使うので64GBぐらいまで使えます。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

+2

Jupyterとかなら起動中はメモリに載せっぱなしというのもできますが、毎回プロセスを立ち上げ直すのであれば「無理」です。

ということで代替案ですが、以下の2つくらいでしょうか。

  • そのデータをto_pickleで吐き出すときに圧縮しておけば4GBが300MBくらいにはなるかもしれません。そうすると3.7GB分のファイルI/Oのコストが浮き、代わりに解凍のコストが生じます。一般的にファイルI/Oは圧縮データの解凍より高コストなので、差し引き黒字になると思います。試す価値はあります。
  • システムにRAMディスクを作っておいて読み込みたいpickleをそこに置くという手があります。SSDと比べても数桁高速なので、それくらい速くなるかもしれません。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

checkベストアンサー

0

Flaskで簡易サーバを立てるというのはどうでしょうか。
データ読込はサーバ起動時のみ。計算は以下例ではhttp://localhost:5000/calc?add=10のように指定URL呼出でパラメータも渡せます。

from flask import Flask, request
import pandas as pd

app = Flask(__name__)

@app.route('/')
def hello():
    return('hello!')

# http://localhost:5000/calc?add=10 など
@app.route('/calc')
def calc():
    val = int(request.args.get('add'))
    df2 = df + val # 何らかの計算
    return(str(df2.describe()))
    # val count 3.0 mean 12.0 std 1.0 min 11.0 25% 11.5 50% 12.0 75% 12.5 max 13.0


if __name__ == "__main__":
    df = pd.read_pickle('data.pickle') # pd.DataFrame([1,2,3])
    app.run(debug=True)

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る