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 TimedeltaIndex.memory_usage()
函數返回給定TimedeltaIndex對象的內存使用情況。它返回存儲對象所需的字節數。
用法: TimedeltaIndex.memory_usage(deep=False)
參數:
deep:深入反思數據,詢問對象dtype以獲取係統級內存消耗
返回:使用的字節
範例1:采用TimedeltaIndex.memory_usage()
函數查找給定TimedeltaIndex對象的內存使用情況。
# 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)
輸出:
現在我們將使用TimedeltaIndex.memory_usage()
函數查找存儲對象所需的內存。
# find memory usage for tidx
tidx.memory_usage(deep = True)
輸出:
正如我們在輸出中看到的,TimedeltaIndex.memory_usage()
函數已返回40,指示存儲給定TimedeltaIndex對象需要40個字節。
範例2:采用TimedeltaIndex.memory_usage()
函數查找給定TimedeltaIndex對象的內存使用情況。
# 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)
輸出:
現在我們將使用TimedeltaIndex.memory_usage()
函數查找存儲對象所需的內存。
# find memory usage for tidx
tidx.memory_usage(deep = True)
輸出:
正如我們在輸出中看到的,TimedeltaIndex.memory_usage()
函數已返回48,指示存儲給定TimedeltaIndex對象需要48個字節。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
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 TimedeltaIndex.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。