为什么对从Parquet文件构造的Dask DataFrame进行分类会大大增加其大小？

Question

这是原型场景：

1. 我用FastParquet编写的一组Parquet文件构造了一个Dask DataFrame
2. 我在DataFrame上运行categorize()。不少类别成为新的“知名”。
3. 我通过FastParquet将DataFrame保存到新的Parquet文件集中

新的Parquet文件现在占用的磁盘空间是原始文件的几倍！现在，我不是在乎磁盘空间（我有足够的空间），而是在寻求理解：

即使原始文件集的类别不为“已知”，它们仍必须位于文件集的磁盘空间“ 某处”中。如果有的话，如果原始文件集的分类列没有使用字典开头，我可能会期望磁盘使用量减少。

是的，只是想了解。有什么作用？