【发布时间】：2013-12-25 23:52:08
【问题描述】：
我正在处理 Pandas 12.0 中的一个非常大的浮点数据系列。我想要做的是在这个系列中为 NaN 设置极端异常值，它代表一个标准化的特征向量（平均值为 0，标准为 1）。
我可以毫不费力地制作特征向量的布尔掩码来查找极端异常值：
mask = feature_series > 10 | feature_series < 10
这需要最少的资源。但是，当我尝试实际使用此掩码时，我会遇到内存爆炸，并且必须在崩溃发生之前强制退出。这发生在：
feature_series[mask] = np.nan
也不限于此操作。我也得到了内存爆炸：
mask.any()
是什么导致这种情况发生？我觉得这可能是一个错误，但我对 Pandas 还是比较陌生，不能确定。
【问题讨论】：
标签： python pandas machine-learning sparse-matrix pytables