エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
pandasは遅い!大量データの高速化、最適化のノウハウを公開!
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
pandasは遅い!大量データの高速化、最適化のノウハウを公開!
メモリ容量を最適化する処理(関数)を実行する 以下のような関数を使ってメモリ容量を最適化します。 '''... メモリ容量を最適化する処理(関数)を実行する 以下のような関数を使ってメモリ容量を最適化します。 '''Function to reduce the DF size''' # source: https://www.kaggle.com/kernels/scriptcontent/3684066/download def reduce_mem_usage(df): """ iterate through all the columns of a dataframe and modify the data type to reduce memory usage. """ start_mem = df.memory_usage().sum() / 1024**2 print('Memory usage of dataframe is {:.2f} MB'.format(start_mem))