Pandas: где утечка памяти здесь?

Я сталкиваюсь с проблемой утечек памяти, используя pandas библиотеку в python. Я создаю объекты pandas.dataframe в моем классе, и у меня есть метод, который меняет размер данных в соответствии с моими условиями. После изменения размера фрейма данных и создания нового объекта pandas я переписываю исходный pandas.dataframe в моем классе. Но использование памяти очень велико даже после значительного сокращения начальной таблицы. Некоторый код для короткого примера (я не писал диспетчер процессов, см. Диспетчер задач):

import time, string, pandas, numpy, gc
class temp_class ():

    def __init__(self, nrow = 1000000, ncol = 4, timetest = 5):

        self.nrow = nrow
        self.ncol = ncol
        self.timetest = timetest

    def createDataFrame(self):

        print('Check memory before dataframe creating')
        time.sleep(self.timetest)
        self.df = pandas.DataFrame(numpy.random.randn(self.nrow, self.ncol),
            index = numpy.random.randn(self.nrow), columns = list(string.letters[0:self.ncol]))
        print('Check memory after dataFrame creating')
        time.sleep(self.timetest)

    def changeSize(self, from_ = 0, to_ = 100):

        df_new = self.df[from_:to_].copy()
        print('Check memory after changing size')
        time.sleep(self.timetest)

        print('Check memory after deleting initial pandas object')
        del self.df
        time.sleep(self.timetest)

        print('Check memory after deleting copy of reduced pandas object')
        del df_new
        gc.collect()
        time.sleep(self.timetest)

if __name__== '__main__':

    a = temp_class()
    a.createDataFrame()
    a.changeSize()

  • Перед созданием файловой системы у меня ок. 15 мб использования памяти

  • После создания - 67mb

  • После изменения размера - 67 мб

  • После удаления исходного фрейма данных - 35 МБ

  • После удаления приведенной таблицы - 31 мб.

16 мб?

Я использую python 2.7.2 (x32) для Windows 7 (x64), pandas. версия - 0.7.3. numpy. версия - 1.6.1

Ответы

Ответ 1

Несколько вещей, чтобы указать:

  • В разделе "Проверка памяти после изменения размера" вы еще не удалили исходный DataFrame, так что это будет использование строго большего объема памяти

  • Интерпретатор Python немного жадн о том, что он удерживает память ОС.

Я просмотрел это и могу заверить, что pandas не утечка памяти. Я использую пакет memory_profiler (http://pypi.python.org/pypi/memory_profiler):

import time, string, pandas, numpy, gc
from memory_profiler import LineProfiler, show_results
import memory_profiler as mprof

prof = LineProfiler()

@prof
def test(nrow=1000000, ncol = 4, timetest = 5):
    from_ = nrow // 10
    to_ = 9 * nrow // 10
    df = pandas.DataFrame(numpy.random.randn(nrow, ncol),
                          index = numpy.random.randn(nrow),
                          columns = list(string.letters[0:ncol]))
    df_new = df[from_:to_].copy()
    del df
    del df_new
    gc.collect()

test()
# for _ in xrange(10):
#     print mprof.memory_usage()

show_results(prof)

И здесь вывод

10:15 ~/tmp $ python profmem.py 
Line #    Mem usage  Increment   Line Contents
==============================================
     7                           @prof
     8     28.77 MB    0.00 MB   def test(nrow=1000000, ncol = 4, timetest = 5):
     9     28.77 MB    0.00 MB       from_ = nrow // 10
    10     28.77 MB    0.00 MB       to_ = 9 * nrow // 10
    11     59.19 MB   30.42 MB       df = pandas.DataFrame(numpy.random.randn(nrow, ncol),
    12     66.77 MB    7.58 MB                             index = numpy.random.randn(nrow),
    13     90.46 MB   23.70 MB                             columns = list(string.letters[0:ncol]))
    14    114.96 MB   24.49 MB       df_new = df[from_:to_].copy()
    15    114.96 MB    0.00 MB       del df
    16     90.54 MB  -24.42 MB       del df_new
    17     52.39 MB  -38.15 MB       gc.collect()

Таким образом, в использовании больше памяти, чем при запуске. Но это утечка?

for _ in xrange(20):
    test()
    print mprof.memory_usage()

И вывод:

10:19 ~/tmp $ python profmem.py 
[52.3984375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59375]
[122.59765625]
[122.59765625]
[122.59765625]

Итак, на самом деле то, что происходит, заключается в том, что процесс Python держится в пуле памяти, учитывая то, что он использует, чтобы избежать необходимости запрашивать больше памяти (а затем освобождать ее) от операционной системы хоста. Я не знаю всех технических деталей позади этого, но это по крайней мере то, что происходит.