Python变量重分配内存管理：Numpy/Pandas操作峰值内存是1倍还是2倍

1. Numpy数组场景的内存峰值判断 #

你原来的理解是正确的，该场景内存峰值为2GB。
原因：numpy执行array + 1运算时，默认会生成全新的数组存储计算结果，运算全程都需要读取旧数组的完整数据，因此运算结束、新数组完全生成前，旧数组不会被释放，二者会同时占用内存。直到赋值语句执行完成，旧数组的引用计数归零后才会被回收，峰值自然达到2GB，和垃圾回收的速度无关。

2. Pandas官方示例的理解误区 #

你误解的核心是没有区分运算对象的体积差异，两个场景的运算逻辑完全不同：

• 你默认counts.add(...)是两个大体积对象相加，但实际df["name"].value_counts()返回的是name列的唯一值统计结果，体积和原df完全不在一个量级：哪怕单块parquet加载后的df有几GB大，只要name列的唯一值数量只有几千、几万，value_counts返回的Series大小往往只有KB级，和原df体积相比可以忽略。
• 整个循环过程中，最大的内存占用只有pd.read_parquet(path)加载的单块df的内存，后续的value_counts、累计相加操作涉及的都是极小的统计对象，不会出现两个大体积对象并存的情况，因此内存峰值就是官方描述的「最大单块数据内存 + 小体积累计Series内存」。

如果把pandas示例的逻辑改成两个全量大DataFrame直接相加，内存峰值也会达到2倍单块大对象的体积，和numpy场景的表现一致。

内容的提问来源于stack exchange，提问作者Alex