Python Killed：使用从 2 个 csv 文件创建的字典运行代码时为 9

我正在运行一个一直对我有用的代码。这次我在 2 个 .csv 文件上运行它：“data”（24 MB）和“data1”（475 MB）。 “data”有 3 列，每列约 680000 个元素，而“data1”有 3 列，每列约 33000000 个元素。当我运行代码时，经过大约 5 分钟的处理后，我只得到“Killed: 9”。如果这是内存问题，如何解决？欢迎任何建议！

这是代码：

import csv
import numpy as np

from collections import OrderedDict # to save keys order

from numpy import genfromtxt
my_data = genfromtxt('data.csv', dtype='S', 
                 delimiter=',', skip_header=1) 
my_data1 = genfromtxt('data1.csv', dtype='S', 
                 delimiter=',', skip_header=1) 

d= OrderedDict((rows[2],rows[1]) for rows in my_data)
d1= dict((rows[0],rows[1]) for rows in my_data1) 

dset = set(d) # returns keys
d1set = set(d1)

d_match = dset.intersection(d1) # returns matched keys

import sys  
sys.stdout = open("rs_pos_ref_alt.csv", "w") 

for row in my_data:
    if row[2] in d_match: 
        print [row[1], row[2]]

“数据”的标题是：

    dbSNP RS ID Physical Position
0   rs4147951   66943738
1   rs2022235   14326088
2   rs6425720   31709555
3   rs12997193  106584554
4   rs9933410   82323721
5   rs7142489   35532970

“data1”的标头是：

    V2  V4  V5
10468   TC  T
10491   CC  C
10518   TG  T
10532   AG  A
10582   TG  T

内核很可能会杀死它，因为您的脚本消耗了太多内存。 您需要采取不同的方法并尝试最小化内存中的数据大小。

您可能还会发现这个问题很有用：使用 Python 和 NumPy 的非常大的矩阵

在下面的代码片段中，我试图避免加载巨大的data1.csv通过逐行处理进入内存。试一试。

import csv

from collections import OrderedDict # to save keys order

with open('data.csv', 'rb') as csvfile:
    reader = csv.reader(csvfile, delimiter=',')
    next(reader) #skip header
    d = OrderedDict((rows[2], {"val": rows[1], "flag": False}) for rows in reader)

with open('data1.csv', 'rb') as csvfile:
    reader = csv.reader(csvfile, delimiter=',')
    next(reader) #skip header
    for rows in reader:
        if rows[0] in d:
            d[rows[0]]["flag"] = True

import sys
sys.stdout = open("rs_pos_ref_alt.csv", "w")

for k, v in d.iteritems():
    if v["flag"]:
        print [v["val"], k]