我正在耗尽RAM,同时直接生成4500 x 1000000个相关模拟数据帧。在下面的代码中,我将模拟分为十个部分(100000个模拟的10个实例/通过秩相关矩阵连接的4500个时间序列中的每一个的实例),这允许我停留在RAM上限以下:
import pandas as pd
import os
from multiprocessing import Pool
from scipy.stats.distributions import t
from time import time
from statsmodels.sandbox.distributions.multivariate import multivariate_t_rvs as mv_t
filename_prefix = 'generation\\copulas'
def sim(iterable) -> pd.DataFrame:
corr_file, year, part_num, n_sims, df = iterable
corr = pd.read_pickle(corr_file)
copula = pd.DataFrame(t.cdf(mv_t(m=([0] * corr.shape[0]), S=corr, df=df, n=n_sims), df=df))
copula.columns = corr.columns
copula.columns.names = corr.columns.names
copula.to_pickle('%s\\year_%s\\part_%s.pkl' % (filename_prefix, (year + 1), part_num))
return copula
def foo(corr_file: str, n_years: int, n_sims: int, n_parts: int = 10, df: int = 3):
start = time()
for year in range(n_years):
part_size: int = int(n_sims / 10)
temp_dir: str = '%s\\year_%s' % (filename_prefix, year + 1)
temp_file: str = '%s\\year' % temp_dir
os.makedirs('%s\\year_%s' % (filename_prefix, year + 1))
with Pool(3) as p:
collection = p.map(func=sim, iterable=[(corr_file, year, x, part_size, df) for x in range(n_parts)])
temp = pd.concat(collection)
temp.to_pickle('%s\\year_%s.pkl' % (filename_prefix, year + 1))
print('\tRun time = %s' % (time() - start))
我的问题是:
谢谢你的帮助和时间
您可以尝试读取文件并指定“块大小”。这也将在循环中运行,但您需要将代码的读取数据部分与代码的处理数据部分完全分离。 实现这一点的类似方法是使用名为dask的模块。此模块使用数据帧,但会自动将数据拆分为可管理的大小
另外,内存和CPU的使用似乎有些混乱Check out this question and responses.
相关问题 更多 >
编程相关推荐