跳转至

Python | Pandas data frame.memory_usage()

原文:https://www.geesforgeks.org/python-pandas-data frame-memory_usage/

Python 是进行数据分析的优秀语言,主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包,让导入和分析数据变得容易多了。 Pandasdata frame.memory_usage()函数返回每列的内存使用情况,单位为字节。内存使用可以选择性地包括索引和对象数据类型元素的贡献。默认情况下,该值显示在 DataFrame.info 中。

语法:DataFrame.memory_usage(index = True,deep=False) 参数: index : 指定是否在返回的 Series 中包含 data frame 的索引的内存使用情况。如果 index=True,则输出中第一项的索引的内存使用情况。 deep : 如果为 True,则通过查询对象数据类型来深入检查数据,以获取系统级内存消耗,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)

有关代码中使用的 CSV 文件的链接,请单击此处的 示例#1: 使用 memory_usage()函数打印数据框中每一列的内存使用情况以及索引的内存使用情况。

蟒蛇 3

# importing pandas as pd
import pandas as pd

# Creating the dataframe
df = pd.read_csv("nba.csv")

# Print the dataframe
df

我们使用 memory_usage()函数来查找每一列的内存使用情况。

蟒蛇 3

# 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:

示例#2: 使用 memory_usage()函数查找每列的内存使用情况,但不查找索引的内存使用情况。

蟒蛇 3

# 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:



回到顶部