python - 删除和释放单个 Pandas 数据帧的内存

Question

我在 Pandas 中运行了一个很长的 ETL 管道。我必须创建不同的 Pandas 数据帧，并且我想为某些数据帧释放内存。
我一直在阅读如何释放内存，我看到运行此命令不会释放内存:

del dataframe

点击此链接: How to delete multiple pandas (python) dataframes from memory to save RAM? ，其中一个答案说 del 语句不会删除实例，它只是删除一个名称。
在答案中，他们说将数据框放入列表中，然后删除列表:

lst = [pd.DataFrame(), pd.DataFrame(), pd.DataFrame()]
del lst  

如果我只想发布一个数据框，我需要将它放在一个列表中，然后像这样删除一个列表:

lst = [pd.DataFrame()]
del lst

我也看过这个问题: How do I release memory used by a pandas dataframe?
有不同的答案，例如:

import gc
del df_1
gc.collect()

或者
就在数据帧的最后使用

df = ""

或者有更好的方法来实现这一目标？

Answer 1

从您包含的原始链接中，您必须在列表中包含变量，删除变量，然后删除列表。如果您只是添加到列表中，当您删除列表时，它不会删除原始数据框。

import pandas
import psutil 
import gc
psutil.virtual_memory().available * 100 / psutil.virtual_memory().total
>> 68.44267845153809

df = pd.read_csv('pythonSRC/bigFile.txt',sep='|')
len(df)
>> 20082056

psutil.virtual_memory().available * 100 / psutil.virtual_memory().total

>> 56.380510330200195

lst = [df]
del lst

psutil.virtual_memory().available * 100 / psutil.virtual_memory().total
>> 56.22601509094238

lst = [df]
del df
del lst

psutil.virtual_memory().available * 100 / psutil.virtual_memory().total
>> 76.77617073059082

gc.collect()

>> 0

我也尝试删除数据框并使用 gc.collect() 获得相同的结果!

del df
gc.collect()
psutil.virtual_memory().available * 100 / psutil.virtual_memory().total
>> 76.59363746643066

但是，将数据帧添加到列表和删除列表和变量的执行时间比调用 gc.collect() 快一点。 .我用过 time.time()测量差异和 gc.collect()几乎慢了整整一秒!