Python 数据帧越小，速度越快吗？

我读了一篇文章（），其中提到它通过使数据帧更小（通过转换数据类型）使数据帧更快

更小（内存使用）和更快（cpu时间）之间是否存在关联

---

假设我有一个数据帧列int64。如果我们将其转换为int8，对列的操作会更快吗？e、 g.假设操作为

d[col]=d[col]+1

将数据类型从int64更改为int8可减少存储数据所需的位数。这将大大减少内存使用量，这在有大量数据进行密集计算时非常有用。这会在出现内存错误之前增加熊猫可能使用的数据大小

将对象类型列更改为特定类型也会提高性能，因为这样可以进行类型优化。

为什么不测试它

int64数据类型 内存使用情况（在MiB中）：

时间：

In [32]: %timeit df.agg(["min","max","mean"])
4.68 s ± 84.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [33]: %timeit df+1
818 ms ± 26 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [36]: %timeit df2.agg(["min","max","mean"])
2.4 s ± 222 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [37]: %timeit df2+1
170 ms ± 10.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

int8数据类型 内存使用情况（在MiB中）：

时间：

In [32]: %timeit df.agg(["min","max","mean"])
4.68 s ± 84.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [33]: %timeit df+1
818 ms ± 26 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [36]: %timeit df2.agg(["min","max","mean"])
2.4 s ± 222 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [37]: %timeit df2+1
170 ms ± 10.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

“我看不出更小和更快之间有什么联系”是什么意思？请分享你所做的任何测量。@MadPhysician，很抱歉混淆了。我把措辞改成了。。。“小的和快的之间有什么联系吗？”“物理学家，我实际上做过一个实验。我创建了一个调用函数100000次的for循环。函数只是执行d[col]=d[col]+1。我观察到，如果数据类型是int16，它比Int64快。请显示您的results@MaxU我知道：）我只是想知道，因为我肯定不是熊猫队的专家，所以如果我说错了什么就好了谢谢你的实验！我确实做过测试，但我只是好奇为什么会这样。int8比int64@Denielll, ;-)

In [38]: df2.memory_usage().sum() / 1024**2
Out[38]: 95.36750793457031

In [36]: %timeit df2.agg(["min","max","mean"])
2.4 s ± 222 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [37]: %timeit df2+1
170 ms ± 10.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)