{ "id": 214015, "title": "Error benchmark3 - function makeCt with an overflow ", "url": "/competitions/interbank20/discussion/214015", "author_name": "", "post_date": "2021-01-25T02:38:22.010485500Z", "votes": null, "comment_count": 2, "views": 0, "content": "

¡Hola!
\nAl ejecutar la función \"makeCt\", obtengo el siguiente mensaje de error
\n\"ValueError: Unstacked DataFrame is too big, causing int32 overflow\"

\n

Se adjunta imagen.

\n

\"\"

\n

Alternativas ejecutadas:
\na) Se intentó ejecutar el código en Google Cloud, ampliando la memoria en la VM, y arroja el mismo error.
\nb) Se instaló un versión pandas 0.21, según recomendación de foros en stackoverflow. Sin arrojar resultados satisfactorios.

\n

Por favor, si alguien tiene alguna recomendación y/o sugerencia.
\n¡Gracias!

", "messages": [ { "id": "1168515", "postDate": "01/25/2021 02:38:22", "content": "

¡Hola!
\nAl ejecutar la función \"makeCt\", obtengo el siguiente mensaje de error
\n\"ValueError: Unstacked DataFrame is too big, causing int32 overflow\"

\n

Se adjunta imagen.

\n

\"\"

\n

Alternativas ejecutadas:
\na) Se intentó ejecutar el código en Google Cloud, ampliando la memoria en la VM, y arroja el mismo error.
\nb) Se instaló un versión pandas 0.21, según recomendación de foros en stackoverflow. Sin arrojar resultados satisfactorios.

\n

Por favor, si alguien tiene alguna recomendación y/o sugerencia.
\n¡Gracias!

", "rawMarkdown": "¡Hola!\nAl ejecutar la función \"**makeCt**\", obtengo el siguiente mensaje de error\n\"**ValueError: Unstacked DataFrame is too big, causing int32 overflow**\"\n\nSe adjunta imagen.\n\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-forum-message-attachments/o/inbox%2F5691539%2F0447d394db55ea591d45b3f44aa3d7d8%2Ferror_overflow.jpg?generation=1611541852709881&alt=media)\n\nAlternativas ejecutadas:\na) Se intentó ejecutar el código en Google Cloud, ampliando la memoria en la VM, y arroja el mismo error.\nb) Se instaló un versión pandas 0.21, según recomendación de foros en stackoverflow. Sin arrojar resultados satisfactorios.\n\nPor favor, si alguien tiene alguna recomendación y/o sugerencia.\n¡Gracias!", "votes": null }, { "id": "1168630", "postDate": "01/25/2021 04:44:28", "content": "

Yo basé mi programa en benchmark3 y no me ha salido ese error.
\nProbablemente algo que hiciste antes lo esta causando.

", "rawMarkdown": "Yo basé mi programa en benchmark3 y no me ha salido ese error.\nProbablemente algo que hiciste antes lo esta causando.", "votes": null }, { "id": "1170042", "postDate": "01/25/2021 23:10:10", "content": "

Hola, te recomiendo que optimices las variables, para que puedas correr el código sin problemas de memoria.

\n
def optimize_floats(df):\n    floats = df.select_dtypes(include=['float64']).columns.tolist()\n    df[floats] = df[floats].apply(pd.to_numeric, downcast='float')\n    return df\n\ndef optimize_ints(df):\n    ints = df.select_dtypes(include=['int64']).columns.tolist()\n    df[ints] = df[ints].apply(pd.to_numeric, downcast='integer')\n    return df\n
\n

Yo lo hago con esas dos funciones,
\nEspero que te ayude.

", "rawMarkdown": "Hola, te recomiendo que optimices las variables, para que puedas correr el código sin problemas de memoria.\n\n def optimize_floats(df):\n floats = df.select_dtypes(include=['float64']).columns.tolist()\n df[floats] = df[floats].apply(pd.to_numeric, downcast='float')\n return df\n\n def optimize_ints(df):\n ints = df.select_dtypes(include=['int64']).columns.tolist()\n df[ints] = df[ints].apply(pd.to_numeric, downcast='integer')\n return df\n\nYo lo hago con esas dos funciones,\nEspero que te ayude.", "votes": null } ], "comments": [ { "id": 1168630, "author_name": "oscargarciaf", "author_url": "", "post_date": "01/25/2021 04:44:28", "content": "

Yo basé mi programa en benchmark3 y no me ha salido ese error.
\nProbablemente algo que hiciste antes lo esta causando.

", "votes": null, "replies": [] }, { "id": 1170042, "author_name": "josechipanatica", "author_url": "", "post_date": "01/25/2021 23:10:10", "content": "

Hola, te recomiendo que optimices las variables, para que puedas correr el código sin problemas de memoria.

\n
def optimize_floats(df):\n    floats = df.select_dtypes(include=['float64']).columns.tolist()\n    df[floats] = df[floats].apply(pd.to_numeric, downcast='float')\n    return df\n\ndef optimize_ints(df):\n    ints = df.select_dtypes(include=['int64']).columns.tolist()\n    df[ints] = df[ints].apply(pd.to_numeric, downcast='integer')\n    return df\n
\n

Yo lo hago con esas dos funciones,
\nEspero que te ayude.

", "votes": null, "replies": [] } ], "raw_markdown_by_id": { "1168515": "¡Hola!\nAl ejecutar la función \"**makeCt**\", obtengo el siguiente mensaje de error\n\"**ValueError: Unstacked DataFrame is too big, causing int32 overflow**\"\n\nSe adjunta imagen.\n\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-forum-message-attachments/o/inbox%2F5691539%2F0447d394db55ea591d45b3f44aa3d7d8%2Ferror_overflow.jpg?generation=1611541852709881&alt=media)\n\nAlternativas ejecutadas:\na) Se intentó ejecutar el código en Google Cloud, ampliando la memoria en la VM, y arroja el mismo error.\nb) Se instaló un versión pandas 0.21, según recomendación de foros en stackoverflow. Sin arrojar resultados satisfactorios.\n\nPor favor, si alguien tiene alguna recomendación y/o sugerencia.\n¡Gracias!", "1168630": "Yo basé mi programa en benchmark3 y no me ha salido ese error.\nProbablemente algo que hiciste antes lo esta causando.", "1170042": "Hola, te recomiendo que optimices las variables, para que puedas correr el código sin problemas de memoria.\n\n def optimize_floats(df):\n floats = df.select_dtypes(include=['float64']).columns.tolist()\n df[floats] = df[floats].apply(pd.to_numeric, downcast='float')\n return df\n\n def optimize_ints(df):\n ints = df.select_dtypes(include=['int64']).columns.tolist()\n df[ints] = df[ints].apply(pd.to_numeric, downcast='integer')\n return df\n\nYo lo hago con esas dos funciones,\nEspero que te ayude." }, "source": "meta" }