Category节省内存靠去重+整数编码，非压缩；它用一个短列表存唯一值、一个整数数组存索引，避免重复存储字符串对象；唯一率超5%时反而更占内存。

为什么 object 列转 category 能省内存？

因为 object 类型在 pandas 中对每个字符串都存一份独立副本（指针+实际字符串对象），而 category 只存唯一值列表（categories）和一个整数编码数组（codes）。当列中重复值多（比如国家名、状态码、产品分类），内存可降 50%–90%。

但注意：如果每行值几乎都不同（如 UUID、长随机文本），转 category 反而更占内存——因为要额外存索引映射表。

用 astype("category") 转换的实操要点

最直接的方式是调用 astype("category")，但它默认把所有唯一值都纳入 categories，不筛选也不排序。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 若原始列含大量 NaN，astype("category") 会保留它们，且 NaN 在 codes 中统一记为 -1，不影响内存节省
• 想控制类别顺序（比如让 "low" pd.Categorical 构造再赋值，不能只靠 astype
• 转换后列的 dtype 显示为 category，但 .values 返回的是 pd.Categorical 对象，不是 numpy 数组；要用 .array.codes 或 .cat.codes 拿整数编码

df["status"] = df["status"].astype("category")

pd.Categorical 手动构造更可控

当你需要显式指定 categories、处理缺失值逻辑、或复用同一套分类体系时，绕过 astype 直接用 pd.Categorical 更稳妥。

立即学习“Python免费学习笔记（深入）”；

• 传入 categories 参数可强制限定合法取值，超出范围的值会变 NaN（除非设 ordered=True 且用 fastpath=False）
• 设 ordered=True 后，该列支持 <、sort_values() 等序关系操作，但会略微增加元数据开销
• 如果原始列是 object 但含混合类型（比如字符串混着数字），pd.Categorical 会报 TypeError，必须先清洗

df["grade"] = pd.Categorical(df["grade"], categories=["F", "D", "C", "B", "A"], ordered=True)

转完别忘检查真实内存变化

很多人以为调了 astype("category") 就一定省内存，其实不一定——尤其当列本身就很短，或 pandas 版本较老（

• 用 df.memory_usage(deep=True).sum() 对比前后总内存，比只看单列 .nbytes 准确
• 如果列含大量未使用的空字符串 "" 或空白符，先 .str.strip().replace("", np.nan) 再转 category，效果更好
• 保存为 parquet 时，category 列会被高效编码；但存成 csv 会退化回字符串，白省了

真正省不省，跑一遍 memory_usage 最实在。别凭感觉，也别信“只要转就省”。