Я использую функцию чанка для предварительной обработки моих данных для ML, потому что мои данные довольно большие.
После обработки данных я пытаюсь добавить обработанные данные обратно в исходный фрейм данных в виде нового столбца «чанк». Это дает мне ошибку памяти, поэтому я пытаюсь загружать чанки одновременно в кадр данных, но я все еще получаю ошибку памяти:
MemoryError: Unable to allocate array with shape (414, 100, 32765) and data type float64
Вот мои данные:
Antibiotic ... Genome
0 isoniazid ... ccctgacacatcacggcgcctgaccgacgagcagaagatccagctc...
1 isoniazid ... gggggtgctggcggggccggcgccgataaccccaccggcatcggcg...
2 isoniazid ... aatcacaccccgcgcgattgctagcatcctcggacacactgcacgc...
3 isoniazid ... gttgttgttgccgagattcgcaatgcccaggttgttgttgccgaga...
4 isoniazid ... ttgaccgatgaccccggttcaggcttcaccacagtgtggaacgcgg...
Вот мой текущий код:
lookup = {
'a': 0.25,
'g': 0.50,
'c': 0.75,
't': 1.00,
'A': 0.25,
'G': 0.50,
'C': 0.75,
'T': 1.00
# z: 0.00
}
dfpath = 'C:\\Users\\CAAVR\\Desktop\\Ison.csv'
dataframe = pd.read_csv(dfpath, chunksize=100)
chunk_list = []
def preprocess(chunk):
processed_chunk = chunk['Genome'].apply(lambda bps: pd.Series([lookup[bp] if bp in lookup else 0.0 for bp in bps.lower()])).values
return processed_chunk;
for chunk in dataframe:
chunk_filter = preprocess(chunk)
chunk_list.append(chunk_filter)
chunk_array = np.asarray(chunk_list)
for chunk in chunk_array:
dataframe1 = dataframe.copy()
dataframe1["Chunk"] = chunk_array
dataframe1.to_csv(r'C:\\Users\\CAAVR\\Desktop\\chunk.csv')
Если вам нужна дополнительная информация дай мне знать. Спасибо