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

Posted 2023-02-24

【中文标题】Python Killed: 9 在使用从 2 个 csv 文件创建的字典运行代码时

【英文标题】：Python Killed: 9 when running a code using dictionaries created from 2 csv files

【发布时间】：2016-03-20 00:26:50

【问题描述】：

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，每列大约 680000 个元素，而“data1”有 3 列，每列 33000000 个元素。当我运行代码时，经过大约 5 分钟的处理，我得到的只是“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”的头是：

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

【问题讨论】：

您是在自己的计算机上还是在某些服务器上运行它？如果它在服务器上运行，可能会有一些脚本监视“疯狂运行”的进程，一段时间后在它们上调用kill -9。

嗨@tobias_k，我在自己的笔记本电脑上运行它

你如何“得到”`Killed: 9"？在标准输出中，还是在异常消息中？

嗨@D.Everhard，在标准输出中：Lucass-MacBook-Air:txt.long lucas$ python match_pos_snp.py Killed: 9

【参考方案1】：

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：Very large matrices using Python and NumPy

在下面的代码 sn-p 中，我试图通过逐行处理来避免将巨大的 data1.csv 加载到内存中。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]

【参考方案2】：

首先，创建一个 python 脚本并运行以下代码来查找所有 Python 进程。

import subprocess

wmic_cmd = """wmic process where "name='python.exe' or name='pythonw.exe'" get commandline,processid"""
wmic_prc = subprocess.Popen(wmic_cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=True)
wmic_out, wmic_err = wmic_prc.communicate()
pythons = [item.rsplit(None, 1) for item in wmic_out.splitlines() if item][1:]
pythons = [[cmdline, int(pid)] for [cmdline, pid] in pythons]
for line in pythons:
    cv = str(line).split('\\')
    cb=str(cv).strip('"')
    fin = cv[-1]
    if fin[0:11] != 'pythonw.exe':
        print 'pythonw.exe', fin
    if fin[0:11] != 'python.exe':
        print "'python.exe'", fin

运行后，将输出粘贴到问题部分，我会在此处看到通知。

*编辑

列出所有过程并将它们发布在您的答案中，使用以下内容：

import psutil
for process in psutil.process_iter():
    print process

【讨论】：

谢谢@ajsp，我运行了你的代码，但没有看到任何输出，至少在终端中没有。该脚本似乎运行良好。

某处有进程在运行-9 kill，如果你找到它，你就找到了罪魁祸首。你最近在处理任何其他代码吗？你有没有在某个地方写了一个脚本来杀死一个 PID 号？

在原始答案中发布流程！

【参考方案3】：

你的电脑有多少内存？

您可以添加一些优化来节省一些内存，如果这还不够，您可以权衡一些 CPU 和 IO 以获得更好的内存效率。

如果您只是比较键而不对值做任何事情，则可以只提取键：

d1 = set([rows[0] for rows in my_data1])

然后，您可以尝试使用此答案中的有序集而不是 OrderedDict -- Does python has ordered set 或使用 ordered-set 来自 pypi 的模块。

获得所有相交键后，您可以编写另一个程序，从源 csv 中查找所有匹配值。

如果这些优化还不够，您可以从更大的集合中提取所有密钥，将它们保存到一个文件中，然后使用 generators 从文件中一个接一个地加载密钥，这样您将只保留程序一套钥匙加一把钥匙，而不是两套。

我还建议使用python pickle 模块来存储中间结果。

【参考方案4】：

在我的例子中，有一些进程称为 syspolicy（消耗 90% CPU）或类似的东西，一旦我杀死了那个进程，运行我的命令 python3 不再返回 kill 9。