pandas.DataFrame.memory_usage

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

返回每列的内存使用量（以字节为单位）。

内存使用量还可以包括索引和 object dtype 元素的贡献。

此值默认在 DataFrame.info 中显示。可以通过将 ``pandas.options.display.memory_usage``设置为 False 来抑制此行为。

Parameters:

indexbool, default True

指定是否将在返回的 Series 中包含 DataFrame 索引的内存使用量。如果 index=True，索引的内存使用量是输出中的第一项。

deepbool，默认 False

如果为 True，则通过查询 object dtypes 的系统级内存消耗来深入检查数据，并将其包含在返回值中。

Returns:

Series

一个 Series，其索引是原始列名，其值是以字节为单位的每列内存使用量。

参见

numpy.ndarray.nbytes

ndarray 元素消耗的总字节数。

Series.memory_usage

Series 消耗的字节数。

Categorical

用于字符串值（具有许多重复值）的内存高效数组。

DataFrame.info

DataFrame 的简明摘要。

Notes

有关更多详细信息，请参阅 Frequently Asked Questions 。

Examples

>>> 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 列的内存占用将被忽略：

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

对于具有许多重复值的 object-dtype 列，请使用 Categorical 来实现高效存储。

>>> df['object'].astype('category').memory_usage(deep=True)
5244