为何R语言DataFrame的内存占用大小与其维度相关？

先看测试代码及结果：

> z <- matrix(runif(10000))
> data.frame(matrix(z, nrow=200) ) %>% object.size()
86608 bytes
> data.frame(matrix(z, nrow=20) ) %>% object.size()
140608 bytes

核心原因在于R中DataFrame本质是列向量的列表，每个列都带有额外的元数据开销（比如类型标记、属性信息等），而非像矩阵那样是连续存储的单一数据块。

具体到这个测试：

• 矩阵设为200行时，对应列数为 10000/200 = 50 列
• 矩阵设为20行时，对应列数为 10000/20 = 500 列

所有元素都是double类型，每个double占8字节，10000个元素的基础数据大小固定为 10000*8 = 80000 字节。两者的内存差异完全来自列的元数据开销：

• 50列的总开销：86608 - 80000 = 6608 字节
• 500列的总开销：140608 - 80000 = 60608 字节

列数越多，累加的元数据总开销就越大，最终导致DataFrame的内存占用显著上升。

简单总结：DataFrame的内存 = 元素本身的存储大小 + 每列的元数据开销总和。当总元素数固定时，列数越多，内存占用就越高。

内容的提问来源于stack exchange，提问作者Sam