为什么df.info（）和df.dtypes.memory_usage（deep=True）结果之间存在差异？

Question

我正在尝试对两个相当大的数据集进行pd.merge，它们的形状是~a-（24482319,33）和B-（12029240165）。这会引发内存错误，尽管我有一个32 RAM、Core-i9、带2TB SSD的Dell XPS、内存操作中的熊猫。在优化数据类型之后，我尝试检查数据集各自的大小（使用df.info（））和内存使用情况（df.dtypes.memory_usage（deep=True））。结果如下：

^{tb1}$

详情如下:

**A.info()**
-----------
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 24482319 entries, 0 to 24482318
Columns: 33 entries, MSISDN to GSM_DECILE
dtypes: category(9), datetime64[ns](3), float32(19), float64(1), object(1)
memory usage: 3.1+ GB

**B.info()**
-----------
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 12029240 entries, 0 to 12029239
Columns: 165 entries, MSISDN to MFS_DECILE
dtypes: category(6), datetime64[ns](4), float32(103), int16(25), int8(26), object(1)
memory usage: 6.0+ GB

我认为数据帧B是这里的罪魁祸首（即导致内存中的操作pd.merge失败），所以我的问题是：当A的大小仅为其2倍时，为什么B的内存使用率接近其边的6倍？如何减少内存使用

多谢各位