因为pandas默认用int64/float64/object等宽类型存储数据，而实际取值范围小或语义明确时，改用最小够用类型（如uint8、category、float32）可减少7/8甚至更多内存占用。
为什么 dtype 参数能大幅降低内存占用？
Pandas 默认对数值列用 float64、int64，对字符串列用 object（实际是 Python str 指针数组），这在读取大文件时极易爆内存。比如一个只含 0–255 整数的列，用 int64 存储会浪费 7/8 的空间；而 object 类型每单元额外携带引用开销，比 string[pyarrow] 或 category 高出数倍。
关键不是“加 dtype”，而是**按数据实际取值范围和语义选最小够用类型**——这是压缩内存最直接有效的手段。
哪些列该优先改类型？怎么改？
优先处理三类高消耗列：整数 ID、分类字段（如省份、状态）、低精度浮点指标（如评分、比例）。实操建议如下：
-
整数列：先用
df[col].nunique()看去重数，再用df[col].min()/df[col].max()确定范围 → 选uint8/int16/uint32等。例如用户等级 1–5，用uint8即可 - 分类列：若唯一值 category → 内存常降 5–10 倍
-
浮点列：确认业务允许精度损失后，用
float32替代float64（省一半内存）；若为百分比且只保留 2 位小数，可转uint16存「放大 100 倍的整数」 -
字符串列：避免
object，优先试string[pyarrow]（Pandas 1.3+），或用category（仅当重复率高）
读取时指定 dtype 比读完再 astype() 更省内存
调用 pd.read_csv() 时传入 dtype 字典，Pandas 会在解析阶段直接分配紧凑内存；而先读成默认类型再 astype()，中间会存在两份数据副本，可能触发 OOM。
示例：
dtypes = {
'user_id': 'uint32',
'status': 'category',
'score': 'float32',
'region': 'category'
}
df = pd.read_csv('data.csv', dtype=dtypes)
注意：category 列不能用于数值计算，需先 df['col'].cat.codes 转编码；string[pyarrow] 需提前 pip install pyarrow，且部分旧 Pandas 版本不支持。
容易被忽略的陷阱：空值与混合类型
int8/uint8 等整数类型**不支持 NaN**，遇到空值会静默转成 float64 —— 这会让前面所有优化失效。解决方法：
- 用可空整型：如
Int8（首字母大写，Pandas nullable 类型），它底层用object或int32+ mask 实现，虽比纯uint8稍大，但仍远小于默认float64 - 读取前用
na_values和keep_default_na=False显式控制空值识别 - 混合类型列（如数字+字符串）无法安全设
dtype，必须先清洗或保留object，再拆解
真正省内存的关键，往往卡在「以为设了 dtype 就万事大吉」，却没检查空值如何破坏类型契约。
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！
