Python Pandas dataframe.memory_usage()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.memory_usage()函數以字節為單位返回每列的內存使用情況。內存使用情況可以選擇包括索引和對象dtype元素的貢獻。默認情況下，此值顯示在DataFrame.info中。

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

參數:
index:指定是否在返回的Series中包括DataFrame索引的內存使用情況。如果index = True，則索引的內存使用量將是輸出中的第一項。
deep:如果為True，則通過詢問對象dtype來深入了解數據的係統級內存消耗，並將其包含在返回值中。

返回:一個係列，其索引是原始列名，其值是每列的內存使用量(以字節為單位)

要鏈接到代碼中使用的CSV文件，請單擊此處

範例1：采用memory_usage()函數打印數據幀中每一列的內存使用情況以及索引的內存使用情況。

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

讓我們使用memory_usage()函數查找每一列的內存使用情況。

# 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)

輸出：

範例2：采用memory_usage()函數查找每一列而不是索引的內存使用情況。

# 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)

輸出：

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.memory_usage()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。