您好,登錄后才能下訂單哦!
這篇文章主要介紹“Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析”,在日常操作中,相信很多人在Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析問題上存在疑惑,小編查閱了各式資料,整理出簡(jiǎn)單好用的操作方法,希望對(duì)大家解答”Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析”的疑惑有所幫助!接下來,請(qǐng)跟著小編一起來學(xué)習(xí)吧!
熟悉Python數(shù)據(jù)分析和跟各種數(shù)據(jù)存儲(chǔ)文件打交道的人可能都知道,就算是相同的數(shù)據(jù)內(nèi)容,但用Python從不同格式的載體中讀取數(shù)據(jù)的速度是不一樣的。為了驗(yàn)證這一結(jié)論,我特意測(cè)試了一下,分別用Python從Excel,MySQL和CSV中讀取數(shù)據(jù)的效率。
工具:
jupyter notebook(Python),
Navicat(MySQL),
Microsoft Excel 2016
CSV(Excel按F12另存為)
接著進(jìn)入正題,以下就是我的測(cè)試結(jié)果:
聲明:使用的都是同一份數(shù)據(jù)源(除去表頭,總共有159727條數(shù)據(jù))!
① 直接用Python從Excel加載數(shù)據(jù)(29M),第1次花了48秒,第2次花46.1秒;另外,計(jì)算結(jié)果只需花費(fèi)幾十到幾百毫秒;
處理數(shù)據(jù)的時(shí)間,花了幾十到幾百毫秒不等:
② 把Excel的數(shù)據(jù)(29M)導(dǎo)入到Navicat(可以寫MySQL語句的一款編輯器)中,花了28.9秒;
處理數(shù)據(jù)的時(shí)間,花了0.134s
③ 用Python直接從MySQL中獲取剛才從Excel中導(dǎo)入的數(shù)據(jù),第1次花了1.91秒,第2次花了2.01秒,第3次花了1.99秒,第4次花了1.79秒;
處理數(shù)據(jù)的時(shí)間,花了59ms.
④ 用Python讀取把剛才29M的Excel,另存為一個(gè)32.1M大小的CSV文件(數(shù)據(jù)內(nèi)容相同),才試了一次,居然只花了1.3秒(瞬開!驚奇!)
處理數(shù)據(jù)的時(shí)間,花了19ms
到此,關(guān)于“Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí),請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站,小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。