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

88.81%

Pythonのdataframeでのメモリ不足のエラーの回避方法

解決済

回答 3

投稿

  • 評価
  • クリップ 1
  • VIEW 1,255

gegege

score 15

前提・実現したいこと

Pythonを利用したデータ分析をGoogle Colaboratory上でPython3で実施。巨大なdataframeを扱ったところ以下のエラーが出てしまう。解決方法が知りたい。

発生している問題・エラーメッセージ

以下のエラーメッセージが出てしまいます。

使用可能な RAM をすべて使用した後で、セッションがクラッシュしました。


扱っているデータですが、df.shape = (58327370, 41)です。
複数のテーブルをpd.merge()した結果、巨大なサイズになっています。
なお以下のコードを実行する直前において、Google Colaboratory上では25.51GBのメモリが割りあたっており、このうち13GB程度を利用している状態です。

該当のソースコード

上記の42列のdfにおいて、不要な列があったため削除しようとしたところ、前述のエラーが出てしまいました。

df = df.drop('column', axis=1)

試したこと

  • 利用したい過去のdataframeの削除とメモリ解放
import gc
del old_df #利用済みのdataframe
gc.collect()
  • dtypeの変更(int64->int16など)。効果が見えずいったん取り消し。
df = df.astype({'column1': 'int16', 'column2': 'float32'})
  • 不要なcolumnの事前削除
    できる限りは実施済み。(最後にdropしようとしているのは、直前でmergeのon句に使用したcolumn)

補足情報(FW/ツールのバージョンなど)

Google Colaboratory
Python 3

  • 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 3

checkベストアンサー

+2

daskやmodin等を使用してはどうでしょうか。
あるいは、pd.merge()する前に列を削除しておくとか……

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。

  • 2020/04/02 22:37

    kirara0048さま
    ありがとうございます。daskもmodinも初めて聞きましたが、いただいたアドバイスを元に、以下のようにpandasのdataframeで定義していたdfをdaskのdataframeに置換した後にdropすることによって回避できました!型変換によりsklearnを使った処理に影響がありそうですので(エラー出た)、その辺りを調査した上でpandasからdaskに移行するか結論を出したいと思います。ありがとうございました!

    <daskへの変換>
    import dask.dataframe as dd
    df = dd.from_pandas(df, 10) # 10ブロックに分けて処理
    df = df.drop('column', axis=1)

    キャンセル

+1

とりあえずはインプレースで処理するために、

df.drop('column', axis=1, inplace=True)

としてみてください。

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。

  • 2020/04/01 22:43

    hayataka2049さま
    ご回答ありがとうございます。アドバイスいただいた方法で試してみましたがやはりエラーとなってしまいました。何か他に方法がないか引き続き模索してみます。
    私のソースコードと比較し、inplaceは実行中のメモリ領域が少なくて済むイメージ(dataframeが置き換わったあとのメモリ使用量は変わらない)でしょうか。

    キャンセル

  • 2020/04/01 22:47

    はい。これで駄目ですか。

    キャンセル

  • 2020/04/02 10:14

    やはり同様のエラーとなります。全行をバッチ処理するのは難しそうなので、行を分けてミニバッチとして処理するようなコーディングを検討をしようと思っています。

    キャンセル

+1

カラム削除の処理は1列ずつ実行しましたか?
複数列同時に処理してメモリエラーが出る場合、1列ずつ実行すると成功する場合があります。

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。

  • 2020/04/02 11:11

    meg_さま
    ご回答ありがとうございます。複数列まとめてより、1列ずつの実行の方が使用メモリが少なくなるのですね。ただ今回の件は元々1列のみの削除なのです...

    キャンセル

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 88.81%
  • 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