Python Pandas sort_values函数在没有任何赋值操作的情况下占用大量内存

假设我有一个大的数据帧df，列为'A'，'B'，'C'。我使用

df.sort_values('A')

---

这里df很大，在这个操作之后，主内存的大小急剧增加。我不会将结果保存到任何新变量中。我尝试了

gc.collect

，但这无助于释放内存。有什么建议吗？

好的。。。但是默认情况下，

.sort\u values（）

会返回DF的已排序副本。。。如果您不想要副本，为什么不使用

df.sort_values（'a'，inplace=True）

？我相信，与看起来的相反，

inplace=True

也会创建df的中间副本，这意味着您在任何情况下都会看到内存使用的峰值，因为在所有场景中都有两个dfs共存。如果您没有将这个新的排序df分配给任何var，那么除了使用排序df执行任何计算之外，我看不到内存使用量会如何增加。即，在单行计算过程中，两个dfs（未排序和已排序）共存。但是，如果排序后的变量没有分配给任何新的变量，那么内存应该立即释放。我也有同样的问题。使用

inplace=True

内存使用会增加10%。它在注释中看起来不太好，但这是内存分析器的输出：

Line#内存使用增量发生次数行内容==========================================================================================================================================================65 5097.0 MiB 450.7 MiB 1 df.排序值（[col1，col2]，inplace=True）