category节省内存靠去重+整数编码，非压缩；它用一个短列表存唯一值、一个整数数组存索引，避免重复存储字符串对象；唯一率超5%时反而更占内存。
为什么 object 列转 category 能省内存？
因为 object 类型在 pandas 中对每个字符串都存一份独立副本（指针+实际字符串对象），而 category 只存唯一值列表（categories）和一个整数编码数组（codes）。当列中重复值多（比如国家名、状态码、产品分类），内存可降 50%–90%。
但注意：如果每行值几乎都不同（如 UUID、长随机文本），转 category 反而更占内存——因为要额外存索引映射表。
用 astype("category") 转换的实操要点
最直接的方式是调用 astype("category")，但它默认把所有唯一值都纳入 categories，不筛选也不排序。
- 若原始列含大量
NaN，astype("category")会保留它们，且NaN在codes中统一记为-1，不影响内存节省 - 想控制类别顺序（比如让 "low" pd.Categorical 构造再赋值，不能只靠
astype - 转换后列的 dtype 显示为
category，但.values返回的是pd.Categorical对象，不是 numpy 数组；要用.array.codes或.cat.codes拿整数编码
df["status"] = df["status"].astype("category")
pd.Categorical 手动构造更可控
当你需要显式指定 categories、处理缺失值逻辑、或复用同一套分类体系时，绕过 astype 直接用 pd.Categorical 更稳妥。
- 传入
categories参数可强制限定合法取值，超出范围的值会变NaN（除非设ordered=True且用fastpath=False） - 设
ordered=True后，该列支持、<code>sort_values()等序关系操作，但会略微增加元数据开销 - 如果原始列是
object但含混合类型（比如字符串混着数字），pd.Categorical会报TypeError，必须先清洗
df["grade"] = pd.Categorical(df["grade"], categories=["F", "D", "C", "B", "A"], ordered=True)
转完别忘检查真实内存变化
很多人以为调了 astype("category") 就一定省内存，其实不一定——尤其当列本身就很短，或 pandas 版本较老（
- 用
df.memory_usage(deep=True).sum()对比前后总内存，比只看单列.nbytes准确 - 如果列含大量未使用的空字符串
""或空白符，先.str.strip().replace("", np.nan)再转 category，效果更好 - 保存为
parquet时，category 列会被高效编码；但存成csv会退化回字符串，白省了
真正省不省，跑一遍 memory_usage 最实在。别凭感觉，也别信“只要转就省”。
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！
