为何将DataFrame列转为category类型未节省内存？

核心原因是你的ABN_CONTRAT列唯一值占比极高，几乎没有重复内容。

pandas的category类型能节省内存的前提是列中存在大量重复字符串：它会把重复字符串映射成整数存储，只保留一份唯一字符串列表，再用整数数组记录每行对应的索引。但如果列里的字符串几乎都是唯一的（比如每个值都不一样），就会出现反效果：

• 整数数组需要用足够大的整数类型存储所有唯一值的索引（比如唯一值超过2^32时，得用64位整数，和原object类型的指针大小一致）
• 还要额外存储所有唯一字符串的列表，这部分会增加额外内存占用

从你的数据可以计算验证：

• 原ABN_CONTRAT列内存15218784字节，对应行数为 15218784 / 8 = 1902348行（64位系统中object类型每个元素是8字节指针）
• 转category后内存28190544字节，显然是整数数组的大小加上唯一字符串的总大小，超过了原指针内存的总和。

你可以用以下代码确认唯一值占比：

# 查看唯一值数量
unique_count = df1['ABN_CONTRAT'].nunique()
# 查看总行数
total_rows = len(df1)
# 计算占比
ratio = unique_count / total_rows
print(f"唯一值占比: {ratio:.2%}")

如果占比接近100%，category完全不适合这个列。只有当唯一值占比很低（比如低于10%）时，使用category才能有效节省内存。

内容的提问来源于stack exchange，提问作者pacdev