我在数据帧中的python循环会随着时间的推移而减慢

我正在遍历一个非常大的数据帧（11361 x 22679），并使用pyplot将每行的值转换为像素图像。所以最后我应该有11361张图像，151 x 151像素（我在末尾加上0使其成为正方形）。 allDF是33个数据帧的列表，对应于图像需要保存到的新文件名中的33个子目录

我尝试在每次迭代结束时删除每个数据帧和图像。 我已经尝试将浮点值转换为int。 我在每次迭代结束时都尝试过gc.collect（）（尽管我知道它是多余的） 我已采取措施，通过始终引用原始数据，不存储任何附加值

唯一有帮助的是，如果我一次处理一帧。它仍然会减慢速度，但因为迭代次数较少，所以速度就没有那么慢了。因此，我认为内部循环或其中一个函数是问题所在

def shape_pixels(imglist):
    for i in range(122):
        imglist.append(0.0)
    imgarr = np.array(imglist).reshape((151,151))
    imgarr.reshape((151,151))
    return imgarr

def create_rbg_image(subpath,imgarr,imgname):
    # create/save image
    img = plt.imshow(imgarr, cmap=rgbmap)
    plt.axis('off')
    plt.savefig(dirpath+subpath+imgname,
                transparent=True,
                bbox_inches=0,pad_inches=0)

for i in range(len(allDF)):
    for j in range(len(allDF[i])):
        fname = allDF[i]['File Name'].iloc[j][0:36]
        newlist = allDF[i].iloc[j][1:].tolist()
        newarr = shape_pixels(allDF[i].iloc[j][1:].tolist())
        create_rbg_image(newFileNames[i]+'\\',shape_pixels(allDF[i].iloc[j][1:].tolist()),allDF[i]['File Name'].iloc[j][0:36])

我希望能够为整个数据集运行代码，并在完成后返回到它，但我一夜之间运行了它，只完成了不到1/3的部分。如果它继续减速，我永远也做不完。 第一分钟生成150多幅图像，第二分钟生成80幅图像。然后是48、32、27等等。。最终只需要几分钟就可以创建一个

---

我没有绘图。关闭（'all'）有很大帮助，但我改用PIL和hexadec值，这明显更有效，我能够在20分钟内生成所有11k+图像。关闭（'all'）有很大帮助，但我改用PIL和hexadec值，这大大提高了效率，我能够在不到20分钟的时间内生成所有11k+图像

内存使用情况如何？只需spitballin'，但试着在您的create_rgb_图像的底部添加一个

plt.close（'all'）

{'total'：8450404352'，available'：309242288'，center'：63.4'，used'：5357912064'，free'：309242288}plt.close（'all'）起到了显著的作用，但它仍然慢了很多。还有其他建议吗？内存使用情况如何？只需spitballin'，但试着在您的create_rgb_image{'total'：8450404352，'available'：30924922288，'percent'：63.4，'used'：5357912064，'free'：30924922288}plt的底部添加一个

close（'all'）。close（'all'）帮助很大，但速度仍然慢了很多。还有其他建议吗？