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）。

内存使用量可以选择性地包含索引和 object 数据类型元素的贡献。

此值默认在 DataFrame.info 中显示。可以通过将 pandas.options.display.memory_usage 设置为 False 来禁止显示。

参数:

indexbool, 默认 True

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

deepbool, default False

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

返回:

Series

一个 Series，其索引是原始列名，其值是每列的内存使用量（以字节为单位）。

另请参阅

numpy.ndarray.nbytes

ndarray 元素消耗的总字节数。

Series.memory_usage

Series 消耗的字节数。

Categorical

具有许多重复值的字符串值的内存高效数组。

DataFrame.info

DataFrame 的简洁摘要。

注意

有关更多详细信息，请参阅 常见问题解答。

示例

>>> 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           132
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，将忽略 object 数据类型列的内存占用。

>>> df.memory_usage(deep=True)
Index            132
int64          40000
float64        40000
complex128     80000
object        180000
bool            5000
dtype: int64

使用 Categorical 来高效存储具有许多重复值的 object-dtype 列。

>>> df["object"].astype("category").memory_usage(deep=True)
5140