- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在使用 Pandas 来存储、加载和操作财务数据。一个典型的数据文件是一个 6000x4000 的 DataFrame(6000 只股票 x 4000 个交易日期),如果说一半的股票在给定日期具有 N/A 值(value),则 CSV 格式的大小为 200MB。我一直在使用一个有16GB内存的工作站,这足以将这个大小的整个CSV加载到内存中,进行各种计算,然后存储结果。在典型的一天中,我最终会在高峰使用期间使用大约 10GB 的 RAM。我觉得我可以更有效地做事。我想将这个数字降低到 2GB 左右,这样我就可以使用配备 4GB RAM 的普通笔记本电脑运行我的多个型号的每日更新。这合理吗?无论我的硬件如何,我是否使用了过多的内存?
我理解上述问题的答案取决于我正在做的事情的细节。这是我可能运行的函数类型的示例:
def momentum_strategy():
# prices.csv is a matrix containing stock prices for 6000 stocks
# and 4000 trading dates
prices = pd.read_csv("prices.csv")
# Daily stock returns
returns = prices/prices.shift(1) -1
# Annualized return volatility
volatility = pd.rolling_std(returns, 21, 21) * 252**0.5
# 6-month stock returns
trail6monthreturns = prices/prices.shift(21*6) - 1
# Rank of 6 month stock returns
retrank = trail6monthreturns.rank(axis=1, ascending=False)
# Portfolio of the top 100 stocks as measured by 6 month return
positions = retrank.apply(lambda x: np.where(x<= 100, 1, np.nan))
# Daily returns for top 100 stocks
uptrendreturns = positions * returns
# Daily return for 100 stock portfolio
portfolioreturns = uptrendreturns.mean(1)
return positions, portfolioreturns
我的一个想法是使用 HDF5 存储格式而不是 CSV,因为通过最近的测试和对 pandas 文档和 stackoverlfow 的细读,我发现它的输入/输出速度要快得多,并且在此类操作期间占用的内存更少。对此有什么想法吗?例如,我将每日开盘价、最高价、最低价、收盘价、交易量、已发行股票、市盈率、 yield 增长以及另外 30 种不同的衡量指标存储在单独的 CSV 中,每个指标(如上例所示,通常为 6000 只股票 x每个 4000 个交易日期)。如果建议切换到 HDF5,我是否应该将这些相同的数据帧存储在 30 多个单独的 H5 文件中?
在上面的函数中,如果我想在函数完成后访问一些中间结果,但又不想用完内存,那么将结果存储在包含 HDF5 的“temp”文件夹中是否有意义文件?例如:
def momentum_strategy_hdf5():
# prices.csv is a matrix containing stock prices for 6000 stocks
# and 4000 trading dates
prices = pd.read_csv("prices.csv")
s = pd.HDFStore("temp.h5")
# Daily stock returns
s['returns'] = prices/prices.shift(1) -1
# Annualized return volatility
s['volatility'] = pd.rolling_std(s['returns'], 21, 21) * 252**0.5
# 6-month stock returns
s['trail6monthreturns'] = prices/prices.shift(21*6)
# Rank of 6 month stock returns
s['retrank'] = s['trail6monthreturns'].rank(axis=1, ascending=False)
# Portfolio of the top 100 stocks as measured by 6 month return
s['positions'] = s['retrank'].apply(lambda x: np.where(x<= 100, 1, np.nan))
# Daily returns for top 100 stocks
s['uptrendreturns'] = s['positions'] * s['returns']
# Daily return for 100 stock portfolio
s['portfolioreturns'] = s['uptrendreturns'].mean(1)
return s['positions'], s['portfolioreturns']
编辑:刚刚测试了上面两个函数,第一个用了15秒,第二个用了42秒。所以写的第二个要慢得多,但希望有更好的方法吗?
最佳答案
这是此类数据的典型工作流程:
1) 读入 csv 数据,转换为 DataFrame,强制数据类型,使用 HDFStore
写出(根据您的需要可以是“固定”或“表格”格式)。这是一个单独的过程,然后退出该过程。当数据集很大时,我会以逻辑格式(例如日期范围)读取它,然后输出一个“表格”格式的 HDF5 文件。然后可以追加到这个。
2) 查询(同样可以基于日期或其他一些条件)。执行计算,然后写出 NEW HDF5 文件。这可以并行完成(多个进程)。确保您在每个进程中编写单独的文件。
3) 将先前的数据文件组合成单个 HDF5 文件。这是一个单一的过程事件。
4) 根据需要重复 2 和 3。
关键是执行离散的步骤,在中间写出中间数据,并在中间退出进程。这保持了可管理的内存数据大小,并使内存计算速度更快。此外,这允许对只读 HDF5 文件进行 CPU 密集型操作的多次处理。
重要的是在单独的系统进程中执行此操作以允许系统回收内存。
HTH
关于python - 如何更好地管理我在 Pandas 中的内存使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23075020/
我在具有 2CPU 和 3.75GB 内存 (https://aws.amazon.com/ec2/instance-types/) 的 c3.large Amazon EC2 ubuntu 机器上运
我想通过用户空间中的mmap-ing并将地址发送到内核空间从用户空间写入VGA内存(视频内存,而不是缓冲区),我将使用pfn remap将这些mmap-ed地址映射到vga内存(我将通过 lspci
在 Mathematica 中,如果你想让一个函数记住它的值,它在语法上是很轻松的。例如,这是标准示例 - 斐波那契: fib[1] = 1 fib[2] = 1 fib[n_]:= fib[n] =
我读到动态内存是在运行时在堆上分配的,而静态内存是在编译时在堆栈上分配的,因为编译器知道在编译时必须分配多少内存。 考虑以下代码: int n; cin>>n; int a[n]; 如果仅在运行期间读
我是 Python 的新手,但我之前还不知道这一点。我在 for 循环中有一个基本程序,它从站点请求数据并将其保存到文本文件但是当我检查我的任务管理器时,我发现内存使用量只增加了?长时间运行时,这对我
我正在设计一组数学函数并在 CPU 和 GPU(使用 CUDA)版本中实现它们。 其中一些函数基于查找表。大多数表占用 4KB,其中一些占用更多。基于查找表的函数接受一个输入,选择查找表的一两个条目,
读入一个文件,内存被动态分配给一个字符串,文件内容将被放置在这里。这是在函数内部完成的,字符串作为 char **str 传递。 使用 gdb 我发现在行 **(str+i) = fgetc(aFil
我需要证实一个理论。我正在学习 JSP/Java。 在查看了一个现有的应用程序(我没有写)之后,我注意到一些我认为导致我们的性能问题的东西。或者至少是其中的一部分。 它是这样工作的: 1)用户打开搜索
n我想使用memoization缓存某些昂贵操作的结果,这样就不会一遍又一遍地计算它们。 两个memoise和 R.cache适合我的需要。但是,我发现缓存在调用之间并不可靠。 这是一个演示我看到的问
我目前正在分析一些 javascript shell 代码。这是该脚本中的一行: function having() { memory = memory; setTimeout("F0
我有一种情况,我想一次查询数据库,然后再将整个数据缓存在内存中。 我得到了内存中 Elasticsearch 的建议,我用谷歌搜索了它是什么,以及如何在自己的 spring boot 应用程序中实现它
我正在研究 Project Euler (http://projecteuler.net/problem=14) 的第 14 题。我正在尝试使用内存功能,以便将给定数字的序列长度保存为部分结果。我正在
所以,我一直在做 Java 内存/注意力游戏作业。我还没有达到我想要的程度,它只完成了一半,但我确实让 GUI 大部分工作了......直到我尝试向我的框架添加单选按钮。我认为问题可能是因为我将 JF
我一直在尝试使用 Flask-Cache 的 memoize 功能来仅返回 statusTS() 的缓存结果,除非在另一个请求中满足特定条件,然后删除缓存。 但它并没有被删除,并且 Jinja 模板仍
我对如何使用 & 运算符来减少内存感到非常困惑。 我可以回答下面的问题吗? clase C{ function B(&$a){ $this->a = &$a; $thi
在编写代码时,我遇到了一个有趣的问题。 我有一个 PersonPOJO,其 name 作为其 String 成员之一及其 getter 和 setter class PersonPOJO { priv
在此代码中 public class Base { int length, breadth, height; Base(int l, int b, int h) { l
Definition Structure padding is the process of aligning data members of the structure in accordance
在 JavaScript Ninja 的 secret 中,作者提出了以下方案,用于在没有闭包的情况下内存函数结果。他们通过利用函数是对象这一事实并在函数上定义一个属性来存储过去调用函数的结果来实现这
我正在尝试找出 map 消耗的 RAM 量。所以,我做了以下事情;- Map cr = crPair.collectAsMap(); // 200+ entries System.out.printl
我是一名优秀的程序员,十分优秀!