python - 如何为 Pandas 数据节省内存？

Question

我创建了一个用于分析加密货币的 Python 程序。该程序每分钟从交易所获取烛台信息，并将其附加到变量名为“candlesticks”的 pandas DataFrame 对象。

但是，我注意到如果这个程序运行很长时间，这个“烛台”变量会变得非常大。为了节省内存，我们决定将DataFrame的长度确定为50000，超过时，将旧数据一条一条删除。

以下代码是一个简化的示例代码。使用 DataFrame 方法 drop() 删除最旧的数据，使用 append() 方法更新新数据。

from random import random
import pandas as pd
import time

def get_current_candlestick():
    return pd.Series([int(random()*10)], index=["close"])

candlesticks = pd.DataFrame(dict(close=[3,2,3,4]))

while True:
    time.sleep(1) # 
    current_candlestick = get_current_candlestick()
    candlesticks = candlesticks.drop(0).reset_index(drop=True)
    candlesticks = candlesticks.append(current_candlestick, ignore_index=True)
    print(candlesticks)

DataFrame 的 drop() 和 append() 方法是非破坏性的，这意味着它们被重新分配给烛台以保持原始数据不变。

在这里，我出于某种原因担心这是否可以作为内存保护程序。

在 candlesticks = candlesticks.drop(0).reset_index(drop=True) 行中，创建了一个删除了旧数据的新 DataFrame 对象并将其重新分配给烛台。然而，我打算重新分配并覆盖烛台，但我认为下降前的旧烛台会保留在内存中。

所以我运行了以下代码来查看内存 ID 在将 drop() 应用于 candlesticks 变量之前和之后是否发生了变化。

before_id = id(candlesticks)
candlesticks = candlesticks.drop(0).reset_index(drop=True)
after_id = id(candlesticks)
print("Before ID: ", before_id, "After ID: ", after_id)
print("Same ID...? :", before_id == after_id)

# ---output---
# Before ID:  4795901992 After ID:  4795766096
# Same ID...? : False

我用谷歌翻译写的英文很差，所以我用图形说明了这个问题。

如果ID不同，内存中是否还保留覆盖前的数据？如果是这样，有没有办法引用ID并使用del函数删除它，或者更好的节省内存的方法？

ーーーー添加ーーーー

在 Sosel 的建议下，我能够使用以下代码解决我的问题，我选择他作为最佳答案。

df = pd.DataFrame({"a":[1, 2, 3]})
print(id(df), "\n", df)
df.drop(0, inplace=True)
df.reset_index(drop=True, inplace=True)
print(id(df), "\n", df)
df.loc[len(df)] = {"a": 1}
print(id(df), "\n", df)
# 4704449088 
#     a
# 0  1
# 1  2
# 2  3
# 4704449088 
#     a
# 0  2
# 1  3
# 4704449088 
#     a
# 0  2
# 1  3
# 2  1

Answer 1

您的示例简而言之:

df = pd.DataFrame({"a":[1, 2, 3]})
print(id(df))
df = df.drop(0)
print(id(df))
# 2713481233416
# 2713618437192

就地使用，ID 仍然存在，您正在就地更改数据框，但追加会创建一个新的 ID:

df = pd.DataFrame({"a":[1, 2, 3, 4]})
print(id(df))
df.drop(0, inplace=True)
print(id(df))
df = df.append({"a":  5}, ignore_index=True)
print(id(df))
# 2713481233416
# 2713481233416
# 2713617869448

与其追加，不如通过“loc”函数直接添加一行有帮助:

df = pd.DataFrame({"a":[1, 2, 3, 4, 5]})
print(id(df))
df.drop(0, inplace=True)
print(id(df))
df.loc[len(df)] = {"a": 1}
print(id(df))

# 2713634483336
# 2713634483336
# 2713634483336

这个答案应该保持内存 ID 不变，但没有针对 CPU 时间进行优化...