Pandas 1.3版本RAM与数据集大小比例经验法则是否仍适用？

该由Pandas创造者Wes McKinney在2017年提出的经验法则仅适用于Pandas 1.0之前的版本，在Pandas 1.3版本中不再生效。

Pandas 1.0至1.3版本核心内存效率优化改动 #

• 新增可空数据类型系列，解决了旧版本中存在空值时整数、布尔类型会被强制提升为高内存占用object类型的问题，同维度整数列内存占用最高可降低75%，布尔列内存占用最高可降低87.5%
• 1.3版本上线稳定版StringDtype，替代原先默认的object类型存储字符串数据，相同内容下内存占用最高可降低5倍，同时字符串矢量化操作的中间内存开销大幅降低
• 优化了分组、切片、合并等常见操作的内部内存复制逻辑，操作过程中的临时内存占用从旧版本的3-5倍数据集大小，降低至1-2倍数据集大小
• 新增memory_usage(deep=True)方法支持精确统计DataFrame各列的实际内存占用，用户可直接量化评估运行内存需求，无需依赖通用经验法则

旧版本经验法则的提出背景是当时Pandas存在字符串默认存为高开销object类型、空值触发强制类型提升、操作过程大量不必要内存复制的问题，上述问题在1.3版本均已修复，常规场景下仅需准备数据集大小1-2倍的运行内存即可，复杂聚合场景最高也仅需3倍左右。

内容的提问来源于stack exchange，提问作者Powers