Pandas 是一个 Python 软件库，可用于数据操作和分析，是数据科学领域中的核心组件之一。数据科学博客 Dataquest.io 发布了一篇关于如何优化 Pandas 内存占用的教程：仅需进行简单的数据类型转换，就能够将一个棒球比赛数据集的内存占少了近 90%。
当使用 Pandas 操作小规模数据（低于 100 MB）时，性能一般不是问题。而当面对更大规模的数据（100 MB 到数 GB）时，性能问题会让运行时间变得更漫长，而且会因为内存不足导致运行完全失败。
尽管 Spark 这样的工具可以处理大型数据集（100 GB 到数 TB），但要完全利用它们的能力，往往需要更加昂贵的硬件。而且和 Pandas 不同，它们缺少丰富的用于高质量数据清理、探索和分析的功能集。对于中等规模的数据，我们最好能更充分地利用 Pandas，而不是换成另一种工具。
在这篇课程中，学生将基于处理 130 年之久的美国职业棒球大联盟（MLB）比赛数据，经过预处理后的案例数据集可以在这里下载。从而了解 Pandas 的内存使用，以及如何只需通过为列选择合适的数据类型就能将 Dataframe 的内存占用减少近 90%。