pandas.DataFrame.memory_usage

DataFrame.memory_usage(index=True, deep=False)

返回每个列的内存使用情况，以字节为单位。

内存使用情况可以选择性地包括索引和 object 数据类型的元素的贡献。

这个值在 DataFrame.info 中默认显示。可以通过将 pandas.options.display.memory_usage 设置为 False 来抑制显示。

参数:

索引布尔值, 默认为 True

指定是否在返回的 Series 中包含 DataFrame 索引的内存使用情况。如果 index=True，索引的内存使用情况是输出的第一项。

深布尔值, 默认为 False

如果为真，通过询问 object dtypes 以深入内省系统级内存消耗，并将其包含在返回的值中。

返回:

系列

一个索引为原始列名且其值为每列内存使用量的序列，单位为字节。

参见

numpy.ndarray.nbytes

ndarray 元素消耗的总字节数。

Series.memory_usage

一个 Series 消耗的字节数。

Categorical

用于字符串值的高效内存数组，其中包含许多重复值。

DataFrame.info

DataFrame 的简要总结。

注释

更多详情请参见 常见问题。

例子

>>> dtypes = ["int64", "float64", "complex128", "object", "bool"]
>>> data = dict([(t, np.ones(shape=5000, dtype=int).astype(t)) for t in dtypes])
>>> df = pd.DataFrame(data)
>>> df.head()
   int64  float64            complex128  object  bool
0      1      1.0              1.0+0.0j       1  True
1      1      1.0              1.0+0.0j       1  True
2      1      1.0              1.0+0.0j       1  True
3      1      1.0              1.0+0.0j       1  True
4      1      1.0              1.0+0.0j       1  True

>>> df.memory_usage()
Index           128
int64         40000
float64       40000
complex128    80000
object        40000
bool           5000
dtype: int64

>>> df.memory_usage(index=False)
int64         40000
float64       40000
complex128    80000
object        40000
bool           5000
dtype: int64

默认情况下，object dtype 列的内存占用被忽略：

>>> df.memory_usage(deep=True)
Index            128
int64          40000
float64        40000
complex128     80000
object        180000
bool            5000
dtype: int64

使用类别类型以高效存储具有许多重复值的对象类型列。

>>> df["object"].astype("category").memory_usage(deep=True)
5136