32 ビット Python で並べ替える必要がある大きな pandas シリーズ (5000 万以上) がありますが、並べ替え中に MemoryError が発生します。パンダのソートアルゴリズムは、ソート中にいくつかの一時的な配列を作成するようです。代わりに numpy のソート アルゴリズムを使用できることはわかっていますが、使用できる pandas API にメモリ フットプリントが小さい代替ソート アルゴリズムはありますか?
1 に答える
1
2つの可能性
1) これは本質的にソートが行うことですが、一時変数を使用しません (どこかに NaN がある場合、これは機能しないことに注意してください)。
In [1]: s = Series(np.random.rand(10))
In [3]: np.argsort(s.values)
Out[3]: array([8, 0, 1, 3, 9, 6, 2, 7, 5, 4])
In [4]: s[np.argsort(s.values)]
Out[4]:
8 0.033948
0 0.183882
1 0.236021
3 0.372763
9 0.383721
6 0.489090
2 0.498036
7 0.676246
5 0.709906
4 0.738510
dtype: float64
2) これはまだ実装されていませんが、HDFStore テーブルに書き込むことができます。ソートされた順序で読み戻す readSorted メソッドがあります。方法 1) を試してください。それがうまくいかない場合は、これを行うための小さなスクリプトを提供できます。
于 2013-04-19T14:31:59.313 に答える