MemoryError при обработке текстовых данных в Pandas (Windows 64-бит) - PullRequest
Новая
       99

MemoryError при обработке текстовых данных в Pandas (Windows 64-бит)

0 голосов
/ 14 июля 2020

Я пытаюсь обработать большое количество текстов размером почти 2 ГБ в Windows 64-битном режиме. Однако, когда я запускаю коды для понижения, токенизации и удаления стоп-слов, я получаю MemoryError. Вот код, который я использую, и сообщение об ошибке, которое я получаю взамен. 

import nltk
from nltk.corpus import stopwords
import string
stop = stopwords.words('english') + list(string.punctuation)

df3['p_text'] = df3.text_x.str.replace("[^\w\s]", "").str.lower()
df3['p_text'] = df3['text_x'].apply(lambda x: [item for item in x.split() if item not in stop])

---------------------------------------------------------------------------
MemoryError                               Traceback (most recent call last)
<ipython-input-184-c2604aadd142> in <module>
----> 1 df3['p_text'] = df3.text_x.str.replace("[^\w\s]", "").str.lower()
      2 df3['p_text'] = df3['text_x'].apply(lambda x: [item for item in x.split() if item not in stop])

~\Anaconda3\lib\site-packages\pandas\core\strings.py in wrapper(self, *args, **kwargs)
   1952                 )
   1953                 raise TypeError(msg)
-> 1954             return func(self, *args, **kwargs)
   1955 
   1956         wrapper.__name__ = func_name

~\Anaconda3\lib\site-packages\pandas\core\strings.py in replace(self, pat, repl, n, case, flags, regex)
   2775     def replace(self, pat, repl, n=-1, case=None, flags=0, regex=True):
   2776         result = str_replace(
-> 2777             self._parent, pat, repl, n=n, case=case, flags=flags, regex=regex
   2778         )
   2779         return self._wrap_result(result)

~\Anaconda3\lib\site-packages\pandas\core\strings.py in str_replace(arr, pat, repl, n, case, flags, regex)
    724         f = lambda x: x.replace(pat, repl, n)
    725 
--> 726     return _na_map(f, arr, dtype=str)
    727 
    728 

~\Anaconda3\lib\site-packages\pandas\core\strings.py in _na_map(f, arr, na_result, dtype)
    129     if na_result is None:
    130         na_result = np.nan
--> 131     return _map_object(f, arr, na_mask=True, na_value=na_result, dtype=dtype)
    132 
    133 

~\Anaconda3\lib\site-packages\pandas\core\strings.py in _map_object(f, arr, na_mask, na_value, dtype)
    214         convert = not np.all(mask)
    215         try:
--> 216             result = lib.map_infer_mask(arr, f, mask.view(np.uint8), convert)
    217         except (TypeError, AttributeError) as e:
    218             # Reraise the exception if callable `f` got wrong number of args.

pandas\_libs\lib.pyx in pandas._libs.lib.map_infer_mask()

~\Anaconda3\lib\site-packages\pandas\core\strings.py in <lambda>(x)
    712             n = n if n >= 0 else 0
    713             compiled = re.compile(pat, flags=flags)
--> 714             f = lambda x: compiled.sub(repl=repl, string=x, count=n)
    715         else:
    716             f = lambda x: x.replace(pat, repl, n)

MemoryError:
...