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!

新規登録して質問してみよう
ただいま回答率
85.50%
Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Q&A

解決済

3回答

11979閲覧

Pythonのdataframeでのメモリ不足のエラーの回避方法

gegege

総合スコア15

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

0グッド

1クリップ

投稿2020/04/01 13:27

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。

Python

1df = 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

Python

1import gc 2del old_df #利用済みのdataframe 3gc.collect()
  • dtypeの変更(int64->int16など)。効果が見えずいったん取り消し。

Python

1df = 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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答3

0

ベストアンサー

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2020/04/02 07:12

kirara0048

総合スコア1399

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

gegege

2020/04/02 13:37

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)
guest

0

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2020/04/02 01:26

meg_

総合スコア10577

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

gegege

2020/04/02 02:11

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...
guest

0

とりあえずはインプレースで処理するために、

python

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

としてみてください。

投稿2020/04/01 13:30

hayataka2049

総合スコア30933

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

gegege

2020/04/01 13:43

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。
hayataka2049

2020/04/01 13:47

はい。これで駄目ですか。
gegege

2020/04/02 01:14

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。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問