问为什么熊猫的数据文件比原始文本文件消耗更多的内存？

EN

我试图使用熊猫pd.read_csv("file.txt",sep="\t")将一个大型选项卡/txt (size =3GB)文件导入Python。我加载的文件是一个".tab“文件，其中我将扩展名改为".txt”，以便用read_csv()导入它。它是一个拥有305列和+/- 1000行的文件。

当我执行代码时，Python会在一段时间后返回一个MemoryError。我搜索了一些信息，这基本上意味着没有足够的RAM可用。当我在nrows = 20中指定read_csv()时，它工作得很好。

我使用的计算机有46 gb的RAM，其中大约20 gb可用于Python。

我的问题是:一个3gb的文件怎么可能需要超过20 3gb的内存才能使用熊猫read_csv()导入Python？我做错什么了吗？

编辑：在执行df.dtypes时类型是object、float64和int64的混合

更新：我使用了以下代码来克服这个问题并执行我的计算：

summed_cols=pd.DataFrame(columns=["sample","read sum"])
while x<352:
    x=x+1
    sample_col=pd.read_csv("file.txt",sep="\t",usecols=[x])
    summed_cols=summed_cols.append(pd.DataFrame({"sample":[sample_col.columns[0]],"read sum":sum(sample_col[sample_col.columns[0]])}))
    del sample_col

它现在选择一个列，执行一个计算，将结果存储在一个dataframe中，删除当前列，然后移动到下一个列。