变量用于不同任务时的Python内存使用情况

我与pandas在ETL管道中工作，我的计算机内存使用量超过了预期

我正在阅读Python中的内存使用情况，当我创建pandas Dataframe并为此Dataframe指定一个名称时，我不理解内存使用情况是如何工作的，我使用相同的名称进行一些转换或向其添加更多列

例如：

df=pd.DataFrame(
{
“column1”：[1,2]
，'column1'：['a'，'b']}）

如果现在我想将另一列添加到此数据帧：

df['column3']=1

第一个df数据帧使用的内存将替换为新的df数据帧，还是现在python将内存用于两个数据帧

如果要删除其中一列，会发生什么情况

df=df.drop（columns={'column1'}）

阅读上面写着：

所有数据结构都是值可变的（它们包含的值可以更改），但不总是大小可变的。序列的长度不能更改，但可以将列插入到数据帧中

而且：

大小可变：可以从DataFrame和更高维度的对象中插入和删除列

此外，如果使用

dir（）

命令检查所有范围内变量，则可以看到数据帧只有一个定义

总之，在我看来，Python并没有创建数据帧的副本，在添加/删除列时，它只保存一个副本。此外，如果您希望创建一个数据帧副本，该副本实际复制另一个变量中的所有值，则应使用

.copy（）

函数