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 TimedeltaIndex.memory_usage()
函数返回给定TimedeltaIndex对象的内存使用情况。它返回存储对象所需的字节数。
用法: TimedeltaIndex.memory_usage(deep=False)
参数:
deep:深入反思数据,询问对象dtype以获取系统级内存消耗
返回:使用的字节
范例1:采用TimedeltaIndex.memory_usage()
函数查找给定TimedeltaIndex对象的内存使用情况。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['3 days 06:05:01.000030', '1 days 06:05:01.000030',
'3 days 06:05:01.000030', '1 days 02:00:00',
'21 days 06:15:01.000030'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.memory_usage()
函数查找存储对象所需的内存。
# find memory usage for tidx
tidx.memory_usage(deep = True)
输出:
正如我们在输出中看到的,TimedeltaIndex.memory_usage()
函数已返回40,指示存储给定TimedeltaIndex对象需要40个字节。
范例2:采用TimedeltaIndex.memory_usage()
函数查找给定TimedeltaIndex对象的内存使用情况。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['06:05:01.000030', '3 days 06:05:01.000030',
'22 day 2 min 3us 10ns', '+23:59:59.999999',
'13 days 06:05:01.000030', '+12:19:59.999999'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.memory_usage()
函数查找存储对象所需的内存。
# find memory usage for tidx
tidx.memory_usage(deep = True)
输出:
正如我们在输出中看到的,TimedeltaIndex.memory_usage()
函数已返回48,指示存储给定TimedeltaIndex对象需要48个字节。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
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 TimedeltaIndex.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。