使用PyKrige运行泛克里金代码时遭遇MemoryError内存不足问题求助

我是Python新手，尝试运行PyKrige库中的UniversalKriging（泛克里金）代码时出现内存错误。

代码 #

os.chdir("E:\\18_Jupyter")
os.getcwd()
!pip install pykrige
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pykrige.uk import UniversalKriging
sss = pd.read_csv('try1.csv')
sss.head()
x = sss.iloc[:,0]
y = sss.iloc[:,1]
z = sss.iloc[:,2]
gridx = np.arange(0,14,0.125)
gridy = np.arange(95,126,0.125)
UK = UniversalKriging(
    x,
    y,
    z,
    variogram_model="linear",
    drift_terms=["regional_linear"],
)

报错信息 #

MemoryError                               Traceback (most recent call last)
~\AppData\Local\Temp\ipykernel_23672\3274456448.py in <module>
----> 1 UK = UniversalKriging(
  2     x,
  3     y,
  4     z,
  5     variogram_model="linear",

MemoryError: Unable to allocate 7.59 GiB for an array with shape (1018651816,) and data type float64

内存错误源于克里金计算需构建N×N的协方差矩阵（N为样本点数量），样本量过大时矩阵内存占用会呈指数级增长。以下是可行解决办法：

• 精简样本数据：若try1.csv样本量极大（如超10万条），可对数据降采样。比如用pandas随机抽取部分样本，或按空间网格聚合取均值：

  # 随机抽取50%样本，固定随机种子保证可复现
  sss_sampled = sss.sample(frac=0.5, random_state=42)
  x = sss_sampled.iloc[:,0]
  y = sss_sampled.iloc[:,1]
  z = sss_sampled.iloc[:,2]
  

• 降低插值网格分辨率：当前gridx和gridy步长0.125会生成大量网格点，增大步长可减少目标插值点数量：

  gridx = np.arange(0,14,0.25)
  gridy = np.arange(95,126,0.25)
  

• 关闭PyKrige冗余功能：UniversalKriging默认开启绘图和verbose日志，关闭这些可减少内存开销：

  UK = UniversalKriging(
      x,
      y,
      z,
      variogram_model="linear",
      drift_terms=["regional_linear"],
      enable_plotting=False,
      verbose=False
  )
  

• 使用分块克里金：若需保留全部样本，可采用分块克里金，将研究区域拆分后分别计算再拼接结果。PyKrige的BlockKriging类支持该模式，适配大样本场景。

• 升级系统环境：确保使用64位Python（32位版本内存上限仅约4GB），必要时增加物理内存。

内容的提问来源于stack exchange，提问作者zam