astype()降精度不省内存反增倍，因nan致隐式升为int32对象类型；category仅在唯一率≤10%时省内存；批量转换须用字典指定列，datetime需先to_datetime清洗，gb数据优先读取时设dtype。
直接用 astype() 降精度不等于省内存，反而可能翻倍——关键在选对类型、避开 NaN 和唯一率陷阱。
为什么 astype("int32") 后内存反而变大？
常见现象：原始列是 int64，含少量 NaN，一执行 df["col"].astype("int32")，内存涨了 2 倍。
原因不是转换本身，而是 pandas 的隐式升级：int32 不支持 NaN，所以它自动切到 Int32（带 nullable 的 object-like 类型），底层是 Python 对象数组，开销远超原生 int32。
- 先检查空值：
df["col"].isna().sum()，非零就别硬转原生整数 - 含
NaN的数值列，改用pd.Int32Dtype()（注意不是字符串"Int32"） - 若必须用原生类型，先填或删
NaN：df["col"].fillna(0).astype("int32")
astype("category") 在什么情况下更占内存？
category 看似省空间，但只对低基数（low-cardinality）文本列有效。一旦唯一值比例超过 50%，它比原始 object 还吃内存。
判断方法：df["col"].nunique() / len(df)
- ≤ 0.1：放心转
"category" - 0.1–0.5：可试，但建议先
df["col"].value_counts().head(10)看分布是否集中 - > 0.5：别转，改用
"string"（pandas 1.0+）更稳，内存略高但无编码错乱风险
批量 astype() 时最常踩的三个坑
写循环或字典批量设 dtype 很常见，但容易忽略底层行为：
-
df.astype("category", inplace=True)无效 —— 它只对单列生效，多列必须传字典：df = df.astype({"a": "category", "b": "float32"}) -
astype()默认返回新对象，不修改原df；inplace=True对部分类型（如category）也不起作用，必须显式赋值 - datetime 列别用
astype("datetime64[ns]")硬转 —— 若原始是混杂格式字符串，会直接报ValueError: Unable to parse datetime；应先pd.to_datetime(..., errors="coerce")清洗
处理 GB 级数据时，astype() 本身可能触发 MemoryError
因为 astype() 默认深拷贝，临时内存峰值≈原数组 + 新数组。GB 数据一转就崩。
- 优先在读取阶段指定类型：
pd.read_csv(..., dtype={"id": "int32", "price": "float32"}) - 必须后处理时，用分块：
pd.read_csv(..., chunksize=50000)，每块单独astype并保存/追加 - 超大 NumPy 数组慎用
copy=False—— 它仅在类型兼容（如 float64→float32）且不涉及内存重排时生效，多数情况仍拷贝
真正难的不是“怎么写 astype”，而是“哪一列该转、转成什么、有没有隐藏的 NaN 或边界值”。每次执行前花 30 秒查 .dtypes、.isna().sum()、.nunique()，比盲目跑完再调优省三小时。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
