Python Pandas : info(), memory_usage() (DataFrame의 memory 사용량 보기)

 

 

 

DataFrame의 memory 사용량을 보는 대표적인 방법 두가지를 알아보겠습니다.

 

 

1. info() method 이용

 

import pandas as pd

df_1 = pd.DataFrame({
    'col1': [1, 1, 2, 2, 2, 3, 3, 3],
    'col2': [4, 5, 6, 1, 8, 3, 5, 1],
    'valid_yn': [1, 1, 1, 1, 1, 0, 0, 0],
})

# 주의사항: 데이터가 아주 클 경우, pandas는 성능을 위해 메모리 사용량을 추정치로만 보여줄 수 있습니다.
# 이때는 아래처럼 memory_usage='deep' 옵션을 추가해야 정확한 memory 사용량을 보여줍니다.
print(df_1.info(memory_usage='deep'))


-- Result
<class 'pandas.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   col1      8 non-null      int64
 1   col2      8 non-null      int64
 2   valid_yn  8 non-null      int64
dtypes: int64(3)
memory usage: 324.0 bytes
None

 

info() method는 DataFrame의 다양한 정보를 보여주는데 그 중에 memory usage 정보가 포함되어 있습니다.

위 예시의 출력 결과를 보면 memory usage: 324.0 bytes라고 나오네요.

 

 

2. memory_usage() method 이용

 

import pandas as pd

df_1 = pd.DataFrame({
    'col1': [1, 1, 2, 2, 2, 3, 3, 3],
    'col2': [4, 5, 6, 1, 8, 3, 5, 1],
    'valid_yn': [1, 1, 1, 1, 1, 0, 0, 0],
})

sr_memory_usage = df_1.memory_usage(deep=True)
print(type(sr_memory_usage))
print(sr_memory_usage)


-- Result
<class 'pandas.Series'>

Index       132
col1         64
col2         64
valid_yn     64
dtype: int64

 

memory 사용량 자체만을 보고싶을 땐 memory_usage() method를 사용하면 됩니다.
memory_usage() method는 DataFrame에 존재하는 컬럼 별 memory 사용량을 Series의 형태로 return합니다.

 

또한 단위는 기본적으로 Bytes입니다.

 

import pandas as pd

df_1 = pd.DataFrame({
    'col1': [1, 1, 2, 2, 2, 3, 3, 3],
    'col2': [4, 5, 6, 1, 8, 3, 5, 1],
    'valid_yn': [1, 1, 1, 1, 1, 0, 0, 0],
})

sr_memory_usage = df_1.memory_usage(deep=True)

val_memory_usage = sum(sr_memory_usage)
print(str(val_memory_usage) + 'B')


-- Result
324B

 

컬럼별 memory 사용량을 보여주기 때문에 만약 DataFrame 전체가 얼마만큼의 용량을 가지고 있는지를 알려면 위처럼 sum()을 이용하여 Series에 담긴 메모리 사용량 값을 모두 더하면 됩니다.