从包含约 1500 万行（占用约 250 MB）的 pickle 加载数据帧后，我对其执行了一些搜索操作，然后就地删除了一些行。在这些操作期间，内存使用量猛增至 5 GB，有时甚至 7 GB，这很烦人，因为交换（我的笔记本电脑只有 8 GB 内存）。
关键是当操作完成时（即执行下面代码中的最后两行时），该内存不会被释放。所以 Python 进程仍然占用高达 7 GB 的内存。
知道为什么会这样吗？我正在使用 Pandas 0.20.3。
下面的最小示例。'data' 变量实际上有大约 1500 万行，但我不知道如何在这里发布它。
import datetime, pandas as pd
data = {'Time':['2013-10-29 00:00:00', '2013-10-29 00:00:08', '2013-11-14 00:00:00'], 'Watts': [0, 48, 0]}
df = pd.DataFrame(data, columns = ['Time', 'Watts'])
# Convert string to datetime
df['Time'] = pd.to_datetime(df['Time'])
# Make column Time as the index of the dataframe
df.index = df['Time']
# Delete the column time
df = df.drop('Time', …免责声明：我也将此问题发布在CrossValidated上，但没有得到任何关注。如果不是这个地方，我很乐意将其删除。
据我了解，它们之间的唯一区别是两个网络的训练方式。深度自动编码器的培训方式与单层神经网络相同，而堆叠式自动编码器则采用贪婪的逐层方法进行培训。雨果·拉罗谢尔（Hugo Larochelle）在此视频的评论中证实了这一点。我想知道这是否是唯一的区别，是否有任何指针？