uproot - 如何将大量数据读取为惰性数组

Question

我正在尝试将大量数据作为惰性数组读取，执行以下操作:

import uproot
import numpy as np

file_path = "~/data.root"
data = uproot.lazyarrays(file_path, "E")
hits = data['hits']
>>> <ChunkedArray [176 125 318 ... 76 85 51] at 0x7fb8612a8390>
np.array(hits)
>>> array([176, 125, 318, ...,  76,  85,  51], dtype=int32)

正如您所看到的，我们可以将“点击”数据读取为 lazzyarray 和数组，没有任何问题。但是，当我对不同的分支尝试相同的步骤时，我收到一个 ValueError 。以下是我的操作方法:

data['hits.dom_id']
>>> ValueError: value too large

但是，当我使用 uproot.array() 访问“hits.dom_id”时，我会获取数据。以下是我的操作方法:

data2 = uproot.open(file_path)['E']['Evt']['hits']
data2['hits.dom_id'].array()
>>> <JaggedArray [[806451572 806451572 806451572 ... 809544061 809544061 809544061] [806451572 806451572 806451572 ... 809524432 809526097 809544061] [806451572 806451572 806451572 ... 809544061 809544061 809544061] ... [806451572 806451572 806451572 ... 809006037 809524432 809544061] [806451572 806451572 806451572 ... 809503416 809503416 809544058] [806451572 806465101 806465101 ... 809544058 809544058 809544061]] at 0x7fb886cbbbd0>

我注意到了，但这也许只是一个巧合，每当我的数据采用 JaggesArray 格式时，uproot.lazyarrays() 都会引发相同的 ValueError。

我可能做错了什么，你能帮忙吗？

注意:我不认为这是 RAM 问题。我尝试使用大于我的数据集的缓存大小来调整缓存大小，并且 uproot.lazyarrays() 仍然引发 ValueError。

谢谢!

Answer 1

ValueError: value Too Large 是 cachetools 在无法将一个数组放入缓存时发出的错误消息。人们经常遇到这个问题，所以我想我需要捕获它并用信息更丰富的消息重新发送它，或者甚至可能扩大缓存以使其适合。 (这是一个糟糕的主意吗？我需要找到一个好的缓存默认策略。)

请参阅最近的 GitHub 问题 - 惰性数组确实具有隐式 basketcache(与 cache 不同)。如果您的任何购物篮大于 1 MB(默认限制)，您可能需要提供显式basketcache。