Python plt.contourf（）内存存储问题？

我在Spyder中执行的Python代码有问题。我有点像一个编码高手，所以为了练习，我用KNN写了一个分类代码。代码运行良好，直到我想要可视化结果为止。当我运行

plt.contourf(...) 

功能

发生的情况是，所有先前创建的变量都消失了，控制台中的当前行转到[1]，用于取消正在运行的进程的方框变为红色。我需要重新启动内核

我试图隔离问题，但发现了一种奇怪的行为。例如，如果我在控制台中仅执行

plt.contourf（…）

的一部分，例如，仅：

np.array([X1.ravel(), X2.ravel()])

我得到了预期的结果。然而，如果我执行

np.array([X1.ravel(), X2.ravel()]) 

第二次，我再次得到与执行整个代码时相同的故障。 此问题是否与内存使用/存储有关？有人能帮我吗

以下是完整的代码：

    #KNN

#Import libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#Import data
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:,0:2].values
y = dataset.iloc[:,-1].values

#Splitting data
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, 
                                                    y, 
                                                    test_size = 0.25,
                                                    random_state = 0)

#Feature scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#Training the KNN model
from sklearn.neighbors import KNeighborsClassifier
classifier = KNeighborsClassifier(n_neighbors = 5,
                                  p = 2,
                                  metric = 'minkowski')
classifier.fit(X_train, y_train)

# Predicting the Test set results
y_pred = classifier.predict(X_test)

# Making the Confusion Matrix
from sklearn.metrics import confusion_matrix, accuracy_score
cm = confusion_matrix(y_test, y_pred)
acc = accuracy_score(y_test, y_pred)

# Visualising the Training set results
from matplotlib.colors import ListedColormap
X_set, y_set = sc.inverse_transform(X_train), y_train
X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 10, stop = X_set[:, 0].max() + 10, step = 0.25),
                     np.arange(start = X_set[:, 1].min() - 1000, stop = X_set[:, 1].max() + 1000, step = 0.25))

plt.contourf(X1, X2, classifier.predict(sc.transform(np.array([X1.ravel(), X2.ravel()]).T)).reshape(X1.shape),
             alpha = 0.75, cmap = ListedColormap(('red', 'green')))
plt.xlim(X1.min(), X1.max())
plt.ylim(X2.min(), X2.max())
for i, j in enumerate(np.unique(y_set)):
    plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1], c = ListedColormap(('red', 'green'))(i), label = j)
plt.title('Logistic Regression (Training set)')
plt.xlabel('Age')
plt.ylabel('Estimated Salary')
plt.legend()
plt.show()

---

我正在学习udemy的课程，当我把所有代码一行一行地拆分时，

z=sc.transform（np.array（[x1.ravel（），x2.ravel（）]）.T）

运行时，存储在ram中的内存将消耗超过50%的内存，因此我加载

分类器的那一刻。predict（z）

Google Codelab就崩溃了<代码>plt.轮廓f（x，y，z）为您学习的KNN课程获取三维

---

最好只在R程序中进行测试，因为绘制图表3D图表会使Google codelab过载。

我刚刚尝试用Jupyter运行代码，结果出现错误：内核似乎已经死机。它将自动重新启动。有人吗？我试着在GoogleColab中运行代码，它可以正常工作。但我想了解spyder/jupyter isHi-Kin的问题所在，我也设法用Python制作了情节。但是为了节省一些内存，我不得不调整网格的分辨率。在np.meshgrid（）中增加步长有助于Hi ikarus，很高兴听到这样的消息：从逻辑回归开始，图表绘图在G codelab中的表现非常糟糕，R开始显示它在绘制图表方面比python好的地方。