Pandas Dataset 용량 줄이기

이번 캐글 대회를 참여하며 데이터로 많이 고생을 했다.

 

자꾸 뭐만 하면 터지는게 너무 속상했는데............. 아마 분명 처음으로 캐글에 참여해보다 보니 코드 효율성이 부족해서 그런거라 생각한다.

 

그러던 중 매우 유용한 코드를 하나 발견했다.

 

# Reduce Memory Usage
# reference : https://www.kaggle.com/code/arjanso/reducing-dataframe-memory-size-by-65 @ARJANGROEN

def reduce_memory_usage(df):
    
    start_mem = df.memory_usage().sum() / 1024**2
    print('Memory usage of dataframe is {:.2f} MB'.format(start_mem))
    
    for col in df.columns:
        col_type = df[col].dtype.name
        if ((col_type != 'datetime64[ns]') & (col_type != 'category')):
            if (col_type != 'object'):
                c_min = df[col].min()
                c_max = df[col].max()

                if str(col_type)[:3] == 'int':
                    if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
                        df[col] = df[col].astype(np.int8)
                    elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
                        df[col] = df[col].astype(np.int16)
                    elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
                        df[col] = df[col].astype(np.int32)
                    elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
                        df[col] = df[col].astype(np.int64)

                else:
                    if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
                        df[col] = df[col].astype(np.float16)
                    elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
                        df[col] = df[col].astype(np.float32)
                    else:
                        pass
            else:
                df[col] = df[col].astype('category')
    mem_usg = df.memory_usage().sum() / 1024**2 
    print("Memory usage became: ",mem_usg," MB")
    
    return df

 

각 컬럼을 확인하며 숫자인지 확인 후 정수로 될수있는지, 최소 최대를 보고 데이터 유형을 결정하는

 

데이터셋을 최적화하는 코드였다.

 

해당 코드의 출처는 아래 사이트이다.

https://www.kaggle.com/code/arjanso/reducing-dataframe-memory-size-by-65

Reducing DataFrame memory size by ~65%

 

물론 메모리 터짐의 주된 이유는 모델때문으로 보였기에 데이터셋을 메모리 줄여도 여전히 고통받았지만,

 

앞으로도 자주 쓸거같은 코드여서 기재해둔다.