笔记｜Python 性能开发｜Python各方法读取csv性能比较

以 “阿里天池 Imagine Computing 创新技术大赛赛道1：边缘云内容分发网络客户体验预测算法” 的训练数据集为例。

文件大小：1002 MB

行数：9000000

列数：18 列（其中字符串 2 列、整型 5 列、浮点型 11列）

我们使用三种方法读取训练数据集的 Excel，分别为：

第 1 种方法：使用 pandas 库的 read_csv 方法读取（直接指定各字段数据类型，避免自动判断类型消耗性能）

import pandas as pd

df = pd.read_csv(os.path.join(self.path, "training_dataset.csv"), dtype={
    "domain_name": str,
    "node_name": str,
    "avg_fbt_time": int,
    "tcp_conntime": int,
    "inner_network_rtt": int,
    "io_await_avg": int,
    "io_await_max": int,
    "synack1_ratio": float,
    "icmp_lossrate": float,
    "icmp_rtt": float,
    "ratio_499_5xx": float,
    "inner_network_droprate": float,
    "cpu_util": float,
    "mem_util": float,
    "io_util_avg": float,
    "io_util_max": float,
    "ng_traf_level": float,
    "buffer_rate": float
})

读取使用时间：15.8557 秒

第 2 种方法：使用 csv 库的 reader 类读取

from csv import reader

with open(os.path.join(self.path, "training_dataset.csv"), "r", encoding="UTF-8") as file:
    data = reader(file)
    for row in data:
        pass

读取使用时间：17.8881 秒

第 3 种方法：使用 csv 库的 DictReader 类读取

from csv import DictReader

with open(os.path.join(self.path, "training_dataset.csv"), "r", encoding="UTF-8") as file:
    data = DictReader(file)
    for row in data:
        pass

读取使用时间：30.9297 秒

结论：在多线程分段读取文件的情况下，pandas 库的 read_csv 方法的性能略优于 csv 库的 reader 类，显著优于 csv 库的 DictReader 类。

这篇好文章是转载于：学新通技术网