调用genfromtxt方法时出现内存错误

Question

代码：

import scipy as sp
import matplotlib.pyplot as plt

data=sp.genfromtxt("data/train.tsv", delimiter ="\t", dtype="string", comments=None, skip_header=1)
x = data[:,0]
y = data[:,1]
x = x[~sp.isnan(y)]
y = x[~sp.isnan(y)]


DataOfInterest=x["avglinksize"]
EphemeralOrEvergreen=x["label"]
plt.scatter(DataOfInterest,EphemeralOrEvergreen)
plt.title("Training data")
plt.xlabel("Single feature from training set")
plt.ylabel("Ephemeral or Evergreen")
plt.grid()
plt.show()

输出：

PythonGenGraphs.py在

^{pr2}$

我正在尝试将tsv文件中的一列与另一列相对。在

我在这里误解了什么？我还能怎么做？在

Answer 1

您可以使用np.memmap加载它，这将需要大约70MB：

import numpy as np
with open('train.tsv') as f:
    mm = np.memmap('test.memmap', shape=(7395, 27), dtype='|S4000', mode='w+')
    f.next()
    for i, l in enumerate(f):
        mm[i,:] = l.strip().replace('"','').split('\t')

使用del m删除m或关闭Python控制台时，将保存该文件。在创建文件之后，可能需要将模式更改为r+。在

您可以像使用普通数组一样使用memmap数组，这将只允许您获取感兴趣的部分。在

Answer 2

Python内存不足，因为您要创建的对象太大了。原因是您的数据包含一些非常大的字符串（请注意，在您之前的问题中）。在

您创建的数组data只有一个dtype。此数据类型的大小被选择为足以容纳数据中最长的字符串。但不管其他内容如何，对于数据中的每个字段，分配的内存量是相同的！因此，数组内存中的大小可能会比数据文件的大小大得多！在

作为一种解决方案，您可以为每个列指定数据类型，但更简单的方法是只加载实际需要的数据：

data = sp.genfromtxt('data/train.tsv', 
                     delimiter ='\t', 
                     names=True, 
                     usecols='avglinksize','label'))