PandasのDataFrameのメモリ使用量を削減する方法

# 必要なライブラリをインポート
import pandas as pd
import numpy as np
import gc

# メモリ使用量を削減する関数（これをコピペして使いまわせばOK）
def reduce_mem_usage(df, verbose=True):
    numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
    start_mem = df.memory_usage().sum() / 1024**2    
    for col in df.columns:
        col_type = df[col].dtypes
        if col_type in numerics:
            c_min = df[col].min()
            c_max = df[col].max()
            if str(col_type)[:3] == 'int':
                if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
                    df[col] = df[col].astype(np.int8)
                elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
                    df[col] = df[col].astype(np.int16)
                elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
                    df[col] = df[col].astype(np.int32)
                elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
                    df[col] = df[col].astype(np.int64)  
            else:
                if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
                    df[col] = df[col].astype(np.float16)
                elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
                    df[col] = df[col].astype(np.float32)
                else:
                    df[col] = df[col].astype(np.float64)    
    end_mem = df.memory_usage().sum() / 1024**2
    if verbose: print('Mem. usage decreased to {:5.2f} Mb ({:.1f}% reduction)'.format(end_mem, 100 * (start_mem - end_mem) / start_mem))
    return df

# DataFrameを上記関数に入れる（このように使うだけ！）
df = pd.read_csv("hogehoge.csv")
df = reduce_mem_usage(df)

めっちゃ簡単ですよね！

データ解析コンペプラットフォームのkaggleで非常によく使われています。

これ、何やってるかと言うと数値型を必要最低限の型に変換です。



例えばyearというカラムがあって1900～2020が入ってるとします。

pd.read_csvでそのまま読み込むと整数はint64になります。

整数型で扱える範囲は下表の通りです。


dtype
説明
int8
整数（-128～127）
int16
整数（-32768～32767）
int32
整数（-2147483648～2147483647）
int64
整数（-9223372036854775808～ 9223372036854775807）



西暦のyearならint16で十分ですね！

これ、int64だと1行で64bit(8byte)メモリを使うという意味なので

int16に変換するだけでメモリを4分の1の16bitに減らせるんですね。



先ほどのreduce_mem_usage関数は、DataFrameの中で

整数型と浮動小数点型のカラムを見て最大値や最小値から

メモリを一番減らせる型に変換するようになってます。

情報量が減る心配もありませんので是非使ってみてください。