pandas.DataFrame.memory_usage

DataFrame.memory_usage(index=True, deep=False)[source]

Возвращает объём памяти, занимаемый каждым столбцом в байтах.

Объём памяти может необязательно включать вклад индекса и элементов типа object.

Это значение по умолчанию отображается в DataFrame.info. Его можно скрыть, установив pandas.options.display.memory_usage в False.

Параметры:

index:bool, по умолчанию True

Указывает, нужно ли включать объём памяти индекса DataFrame в возвращаемую серию. Если index=True, объём памяти индекса — это первый элемент в выводе.

deep:bool, по умолчанию False

Если True, глубоко анализирует данные, запрашивая потребление памяти на уровне системы для типов object, и включает его в возвращаемые значения.

Возвращаемое значение:

Series

Серия, индекс которой — исходные имена столбцов, а значения — объём памяти каждого столбца в байтах.

См. также

numpy.ndarray.nbytes

Общий объём байт, занимаемых элементами ndarray.

Series.memory_usage

Объём байт, занимаемых серией.

Categorical

Массив с высокой эффективностью использования памяти для строковых значений с множеством повторяющихся значений.

DataFrame.info

Краткий сводный отчёт о DataFrame.

Примечания

См. Часто задаваемые вопросы для получения более подробной информации.

Примеры

>>> 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

Потребление памяти столбцами типа object по умолчанию игнорируется:

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

Используйте Categorical для эффективного хранения столбца типа object со многими повторяющимися значениями.

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