Python 如何减少数据帧的内存？

我在日常工作中使用熊猫，我使用的一些数据帧非常大（以数亿行乘以数百列的顺序）。有没有办法减少RAM内存消耗？

您可以使用此功能。它通过将数据类型钳制到每列所需的最小值来减少数据的大小

代码不是我的，我从下面的链接复制了它，并根据我的需要进行了修改。

def reduce_mem_用法（df，int_cast=True，obj_to_category=False，subset=None）：
"""
遍历dataframe的所有列并修改数据类型以减少内存使用。
：param df:dataframe to reduce（局部数据帧）
：param int_cast：指示是否应尝试将列强制转换为int（bool）
：param obj_to_category:将与日期时间无关的对象转换为类别数据类型（bool）
：param subset：要分析的列的子集（列表）
：return:调整了列数据类型的数据集（pd.DataFrame）
"""
start_mem=df.memory_usage（）.sum（）/1024**2；
gc.collect（）
print（'dataframe的内存使用量为{.2f}MB'。格式（start_mem））
cols=子集，如果子集不是None-else df.columns.tolist（）
对于tqdm中的col（cols）：
col_type=df[col].dtype
如果col_类型！=对象和列类型.name！='“类别”和“日期时间”不在col_type.name中：
c_min=df[col].min（）
c_max=df[col].max（）
#测试列是否可以转换为整数
将_视为_int=str（col_type）[:3]=='int'
如果int_强制转换而不将_视为_int：
视_为_int=检查_是否为整数（df[col]）
如果将_视为_int：
如果c_min>np.iinfo（np.int8）.min和c_maxnp.iinfo（np.uint8）.min和c_maxnp.iinfo（np.int16）.min和c_maxnp.iinfo（np.uint16）.min和c_maxnp.iinfo（np.int32）.min和c_maxnp.iinfo（np.uint32）.min和c_maxnp.iinfo（np.int64）.min和c_maxnp.iinfo（np.uint64）.min和c_maxnp.finfo（np.float16）.min和c_maxnp.finfo（np.float32）.min和c_max

如果数据不适合内存，请考虑使用。它有一些很好的特性，比如延迟计算和并行性，这些特性允许您将数据保存在磁盘上，并仅在需要结果时以分块的方式提取数据。它还有一个类似熊猫的界面，因此您可以保留大部分当前代码

一般来说，它工作得好吗？我两年前就试过了，感觉很糟糕，对我来说效果很好。但是我在这里经常遵循“减少，然后使用熊猫”的建议，因此对于分析中更复杂的部分，我可能会默认为熊猫本身。这段代码缺少导入（gc、tqdm）和“check_if_integer”的定义，可能更多。

def reduce_mem_usage(df, int_cast=True, obj_to_category=False, subset=None):
    """
    Iterate through all the columns of a dataframe and modify the data type to reduce memory usage.
    :param df: dataframe to reduce (pd.DataFrame)
    :param int_cast: indicate if columns should be tried to be casted to int (bool)
    :param obj_to_category: convert non-datetime related objects to category dtype (bool)
    :param subset: subset of columns to analyse (list)
    :return: dataset with the column dtypes adjusted (pd.DataFrame)
    """
    start_mem = df.memory_usage().sum() / 1024 ** 2;
    gc.collect()
    print('Memory usage of dataframe is {:.2f} MB'.format(start_mem))

    cols = subset if subset is not None else df.columns.tolist()

    for col in tqdm(cols):
        col_type = df[col].dtype

        if col_type != object and col_type.name != 'category' and 'datetime' not in col_type.name:
            c_min = df[col].min()
            c_max = df[col].max()

            # test if column can be converted to an integer
            treat_as_int = str(col_type)[:3] == 'int'
            if int_cast and not treat_as_int:
                treat_as_int = check_if_integer(df[col])

            if treat_as_int:
                if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
                    df[col] = df[col].astype(np.int8)
                elif c_min > np.iinfo(np.uint8).min and c_max < np.iinfo(np.uint8).max:
                    df[col] = df[col].astype(np.uint8)
                elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
                    df[col] = df[col].astype(np.int16)
                elif c_min > np.iinfo(np.uint16).min and c_max < np.iinfo(np.uint16).max:
                    df[col] = df[col].astype(np.uint16)
                elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
                    df[col] = df[col].astype(np.int32)
                elif c_min > np.iinfo(np.uint32).min and c_max < np.iinfo(np.uint32).max:
                    df[col] = df[col].astype(np.uint32)
                elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
                    df[col] = df[col].astype(np.int64)
                elif c_min > np.iinfo(np.uint64).min and c_max < np.iinfo(np.uint64).max:
                    df[col] = df[col].astype(np.uint64)
            else:
                if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
                    df[col] = df[col].astype(np.float16)
                elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
                    df[col] = df[col].astype(np.float32)
                else:
                    df[col] = df[col].astype(np.float64)
        elif 'datetime' not in col_type.name and obj_to_category:
            df[col] = df[col].astype('category')
    gc.collect()
    end_mem = df.memory_usage().sum() / 1024 ** 2
    print('Memory usage after optimization is: {:.3f} MB'.format(end_mem))
    print('Decreased by {:.1f}%'.format(100 * (start_mem - end_mem) / start_mem))

    return df