Python Pandas dataframe.memory_usage()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.memory_usage()函数以字节为单位返回每列的内存使用情况。内存使用情况可以选择包括索引和对象dtype元素的贡献。默认情况下，此值显示在DataFrame.info中。

用法： DataFrame.memory_usage(index=True, deep=False)

参数:
index:指定是否在返回的Series中包括DataFrame索引的内存使用情况。如果index = True，则索引的内存使用量将是输出中的第一项。
deep:如果为True，则通过询问对象dtype来深入了解数据的系统级内存消耗，并将其包含在返回值中。

返回:一个系列，其索引是原始列名，其值是每列的内存使用量(以字节为单位)

要链接到代码中使用的CSV文件，请单击此处

范例1：采用memory_usage()函数打印数据帧中每一列的内存使用情况以及索引的内存使用情况。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Print the dataframe 
df

让我们使用memory_usage()函数查找每一列的内存使用情况。

# Function to find memory use of each 
# column along with the index 
# even if we do not set index = True, 
# it will show the index usage as well by default. 
df.memory_usage(index = True)

输出：

范例2：采用memory_usage()函数查找每一列而不是索引的内存使用情况。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Function to find memory use of each 
# column but not of the index 
# we set index = False 
df.memory_usage(index = False)

输出：

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.memory_usage()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。