如何为pandas数据节省内存？

Question

我创建了一个Python程序来分析加密货币。该程序每分钟从交换中获取一次烛台信息，并将其附加到pandas DataFrame对象中，变量名为"candlesticks“。

然而，我注意到如果这个程序长时间运行，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，然后在超过该长度时逐个删除旧数据。

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到烛台以保持原始数据不变。

在这里，出于某种原因，我担心这是否可以节省内存。

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，我将重新分配并覆盖这些烛台，但我认为在掉落之前的旧烛台将保留在内存中。

因此，我运行了以下代码来查看在将drop ()应用于candlesticks变量之前和之后内存ID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

我用谷歌翻译写了糟糕的英语，所以我用图形说明了这个问题。

​

​

如果ID不同，覆盖前的数据是否会保留在内存中？如果是这样，有没有一种方法可以引用ID并使用del函数将其删除，或者有更好的方法来节省内存？

ーーーー添加ーーーー

在Sosel的建议下，我能够用下面的代码解决我的问题，我选择了他作为最佳答案。

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

简而言之，您的示例：

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

使用inplace，ID保持不变，您将就地更改dataframe，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

可以通过"loc“函数直接添加一行代码，而不是添加代码：

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...