メモリ使用量を削減する

import numpy as np

def reduce_mem_usage(df, verbose=True):
    # 数値型のデータ型を定義
    numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
    
    # 初期のメモリ使用量を計算
    start_mem = df.memory_usage().sum() / 1024**2
    
    # 各列ごとにメモリ使用量を削減
    for col in df.columns:
        col_type = df[col].dtypes
        
        if col_type in numerics:
            c_min = df[col].min()
            c_max = df[col].max()
            
            # 整数型の場合
            if str(col_type)[:3] == 'int':
                if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
                    df[col] = df[col].astype(np.int8)
                elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
                    df[col] = df[col].astype(np.int16)
                elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
                    df[col] = df[col].astype(np.int32)
                elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
                    df[col] = df[col].astype(np.int64)
            # 浮動小数点数型の場合
            else:
                if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
                    df[col] = df[col].astype(np.float16)
                elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
                    df[col] = df[col].astype(np.float32)
                else:
                    df[col] = df[col].astype(np.float64)
    
    # 処理後のメモリ使用量を計算
    end_mem = df.memory_usage().sum() / 1024**2
    
    # メモリ使用量の削減率を表示
    if verbose:
        print('Mem. usage decreased to {:5.2f} Mb ({:.1f}% reduction)'.format(end_mem, 100 * (start_mem - end_mem) / start_mem))
    
    # 処理後のDataFrameを返す
    return df

通常、読み込んだデータのデフォルトのデータ型はint64やfloat64が指定されています。

上記は、Pandasのデータフレームのメモリ使用量を削減するための関数です。

この関数を呼び出すことで、データ型を最適化することによってデータフレームのメモリ使用量を削減できます。ただし、注意点として、データ型の変換によって一部の精度が失われる可能性があるため、十分なテストと検討が必要です。