昨天在用用Pycharm讀取一個200+M的CSV的過程中，竟然出現(xiàn)了Memory Error！簡直讓我懷疑自己買了個假電腦，畢竟是8G內(nèi)存i7處理器，一度懷疑自己裝了假的內(nèi)存條。。。。下面說一下幾個解題步驟。。。。一般就是用下面這些方法了，按順序試試。

一、逐行讀取

如果你用pd.read_csv來讀文件，會一次性把數(shù)據(jù)都讀到內(nèi)存里來，導(dǎo)致內(nèi)存爆掉，那么一個想法就是一行一行地讀它，代碼如下：

data = []
with open(path, 'r',encoding='gbk',errors='ignore') as f:
  for line in f:
    data.append(line.split(','))
    
data = pd.DataFrame(data[0:100])

這就是先用with open把csv的每一行讀成一個字符串，然后因為csv都是靠逗號分隔符來分割每列的數(shù)據(jù)的，那么通過逗號分割就可以把這些列都分離開了，然后把每一行的list都放到一個list中，形成二維數(shù)組，再轉(zhuǎn)換成DataFrame。

這個方法有一些問題，首先讀進來之后索引和列名都需要重新調(diào)整，其次很多數(shù)字的類型都發(fā)生了變化，變成了字符串，最后是最后一列會把換行符包含進去，需要用replace替換掉。

不知道為什么，用了這個操作之后，還是出現(xiàn)了Memory error的問題?；谶@些缺點以及遺留問題，考慮第二種解決方案。

二、巧用pandas中read_csv的塊讀取功能

pandas設(shè)計時應(yīng)該是早就考慮到了這些可能存在的問題，所以在read功能中設(shè)計了塊讀取的功能，也就是不會一次性把所有的數(shù)據(jù)都放到內(nèi)存中來，而是分塊讀到內(nèi)存中，最后再將塊合并到一起，形成一個完整的DataFrame。

f = open(path)

data = pd.read_csv(path, sep=',',engine = 'python',iterator=True)
loop = True
chunkSize = 1000
chunks = []
index=0
while loop:
  try:
    print(index)
    chunk = data.get_chunk(chunkSize)
    chunks.append(chunk)
    index+=1

  except StopIteration:
    loop = False
    print("Iteration is stopped.")
print('開始合并')
data = pd.concat(chunks, ignore_index= True)

以上代碼規(guī)定用迭代器分塊讀取，并規(guī)定了每一塊的大小，即chunkSize，這是指定每個塊包含的行數(shù)。

這個方法能夠保持?jǐn)?shù)據(jù)的類型，也不需要自己費心思去調(diào)整列名和index，比較方便。但不幸的是，我的還是出現(xiàn)了這個問題，如果你的用了這種方法還是出現(xiàn)memory error，你可以繼續(xù)往下看。

三、擴充虛擬內(nèi)存

我在運行代碼的過程中發(fā)現(xiàn)，出現(xiàn)memory error錯誤的時候，其實我的內(nèi)存只用到了40+%，所以其實不太可能會出現(xiàn)這個錯誤啊，所以我查了下，發(fā)現(xiàn)有說是內(nèi)存被限制了，考慮關(guān)掉一些可能限制內(nèi)存的軟件啦，擴大虛擬內(nèi)存啦，這些的。

擴大虛擬內(nèi)存的方法（我的系統(tǒng)是win8，不過應(yīng)該都大同小異）：
1、打開 控制面板；
2、找到 系統(tǒng) 這一項；
3、找到 高級系統(tǒng)設(shè)置 這一項；
4、點擊 性能 模塊的 設(shè)置 按鈕；
5、選擇 高級面板，在 虛擬內(nèi)存 模塊點擊更改；
6、記得 不要 選中“自動管理所有驅(qū)動器的分頁文件大小”，然后選擇一個驅(qū)動器，也就是一個盤，選中自定義大小，手動輸入初始大小和最大值，當(dāng)然，最好不要太大，更改之后能在查看盤的使用情況，不要丟掉太多空間。
7、都設(shè)置好之后，記得點擊 “設(shè)置”， 然后再確定，否則無效，最后 重啟電腦 就可以了。

悲劇的是我在設(shè)置完這一步之后還是出現(xiàn)了內(nèi)存錯誤，到這一步就沒有問題了的朋友就可以不用看下面一種解法了，如果還是有問題，可以接下來看。

四、更新Pandas和Numpy庫為64位

如果你的Python用的是32位的，那么你的pandas和Numpy也只能是32位的，那么當(dāng)你的內(nèi)存使用超過2G時，就會自動終止內(nèi)存。發(fā)現(xiàn)這個錯誤也是因為我察覺到報內(nèi)存溢出的錯誤的時候，我的內(nèi)存明明顯示只用了40+%，然后錯誤提示是在pandas的core中，所以查了一下，發(fā)現(xiàn)原來還有這么個大坑。

解決方法就是：先檢查一下你的python是多少位的，在shell中輸入python，查看位數(shù)，如果是32位，那么就重裝Python，裝一個64位的，但同時你的庫也需要重新裝了。不過我執(zhí)行完這一步之后，問題就完美解決了！

五、如果還有內(nèi)存溢出的錯

以上四種方法，按順序逐一使用，到哪一步錯誤消失了就可以停止啦。當(dāng)然了，如果你的內(nèi)存顯示使用達到了99%+，那么就是內(nèi)存真的不夠用，不是別的問題，如果不是數(shù)據(jù)量特別大，那就是寫代碼的時候的習(xí)慣問題，雖然Python有垃圾回收機制，但是有時候可能來不及回收，尤其是在循環(huán)迭代這些過程中，往往會循環(huán)完畢了才來得及收拾垃圾，所以記得及時把不要的變量del掉，或者用gc這個垃圾回收庫，這樣內(nèi)存自然就一直清清爽爽啦~

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論