• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar al pie de página

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Herramientas
  • Tienda

Memoria de objetos en R

mayo 25, 2018 Por Daniel Rodríguez Deja un comentario

La memoria de nuestros ordenadores es un recurso limitado al que le hemos de prestar atención. Al trabajar realizando análisis de datos no es difícil que la memoria en R se termine, con lo que se han de eliminar algunas de las variables que ya no necesitamos para poder continuar. La primera idea seria borrar los objetos temporales que ya no utilizamos. En este proceso una buena guía es conocer cuánta memoria ocupa cada uno de los objetos y así actual de una forma guiada.  

Obtención de la memoria de un objeto

Para obtener el espacio que ocupa un objeto en R se ha de utilizar el comando object.size() al que se le ha de pasar el nombre del objeto del que se desea conocer este dato. Esto es, para obtener la memoria de un objeto se ha de utilizar:

object.size(var)

donde var es el nombre de un objeto existente.

Este proceso puede se un poco tedioso si tenemos decenas de objetos en nuestros espacios de trabajo. Una forma de automatizar el proceso es utilizar sapply() junto a ls() para obtener el tamaño de todos en memoria. Posteriormente se puede utilizar la función sort() para ordenar los objetos existentes en memoria en base a su tamaño. Esto se puede conseguir mediante la siguiente instrucción:

sort(sapply(ls(), function(x) { object.size(get(x)) }), decreasing = TRUE)

Ejemplo

Una forma de ver esto es mediante un ejemplo. En el siguiente código se crean unos objetos de diferentes tamaños y se utiliza segmento de código presentado anteriormente para obtener una lista ordenada. 

a <- 1
b <- 1:5
c <- 1:3
d <- 'String name'
e <- c()

sort(sapply(ls(), function(x) { object.size(get(x)) }), decreasing = TRUE)

Al ejecutar este se puede observar que el objeto que más espacio ocupa es la cadena de texto d y el que menos el objeto vacío e. Concretamente el orden obtenido de las variables es: d, w, b, c, a, e.

Conclusiones

Conocer el espacio que ocupa una variable es una información importantísima de cara a mejorar el rendimiento de las aplicaciones escritas y gestionar los recursos de nuestros ordenadores. En esta entrada se ha visto cómo realizar esta tarea en R.

No te olvides valorar esta entrada

Sin votos
Por favor espera...

Archivado en: R

Entrada anterior: « Implementación de una red neuronal desde cero
Siguiente entrada: Transacciones: creación de una criptomoneda (4º Parte) »

Interacciones del lector

Deja un comentario Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Contenido relacionado

Barra lateral primaria

Tiendas afiliadas

Realiza tus compras mediante los enlaces y colabora con la web, todo sin coste adicional para ti. También puedes ver nuestra tienda. ¡Gracias!
Aliexpress Amazon Banggood Gearbest

Seguir a Analytics Lane

  • twitter
  • pinterest
  • youtube
  • telegram
  • github
  • rss

Seguir en Feedly

follow us in feedly

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Política de Privacidad

Lo mejor valorado

  1. Seleccionar filas y columnas en Pandas con iloc y loc
    Puntuación: 5.0/5. 5 votos.
  2. Unir y combinar dataframes con pandas en Python
    Puntuación: 5.0/5. 5 votos.
  3. Eliminar registros duplicados en pandas
    Puntuación: 5.0/5. 5 votos.
  4. Guardar y leer archivos Excel en Python
    Puntuación: 5.0/5. 4 votos.
  5. Archivos JSON con Python: lectura y escritura
    Puntuación: 4.8/5. 8 votos.

Entradas recientes

  • Numpy básico: como invertir arrays de Numpy diciembre 11, 2019
  • ¿Bajar impuestos para crecer más o crecer más para bajar impuestos? diciembre 9, 2019
  • Copias de seguridad de SQL Server con Microsoft SQL Server Management Studio diciembre 6, 2019
  • Numpy básico: inicializar arrays de Numpy con un valor diciembre 4, 2019
  • Bajar impuestos para crecer más diciembre 2, 2019

Comentarios recientes

  • Daniel Rodríguez en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Axel Caballero en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Daniel Rodríguez en Reglas de asociación y market-basket analysis
  • eva en Reglas de asociación y market-basket analysis
  • Daniel Rodríguez en Proteger las funciones escritas en Matlab para su distribución

Etiquetas

Anaconda Analytics Lane App Designer Bases de datos Blockchain CLV Computación cuántica Criptomonedas Deep learning Elecciones Excel Git GUIDE Hash Java Jupyter Libros Machine learning Marketing node numpy pandas Precios RapidMiner scikit-learn seaborn series temporales Small Data Spark SQL Unit testing VirtualBox

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Tienda

Afiliados

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • GearVita
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2019 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto