再見(jiàn) CSV，速度提升 150 倍！
↑ 關(guān)注 + 星標(biāo) ，每天學(xué)Python新技能
后臺(tái)回復(fù)【大禮包】送你Python自學(xué)大禮包
為什么要和CSV再見(jiàn)？
CSV再見(jiàn)。其實(shí)也談不上徹底再見(jiàn)吧，日常還是要用的，這里再介紹一個(gè)更加高效的數(shù)據(jù)格式。Python處理數(shù)據(jù)時(shí)保存和加載文件屬于日常操作了，尤其面對(duì)大數(shù)據(jù)量時(shí)我們一般都會(huì)保存成CSV格式，而不是Excel。一是因?yàn)?code style="padding: 2px 4px;border-radius: 4px;margin-right: 2px;margin-left: 2px;background-color: rgba(27, 31, 35, 0.05);font-family: "Operator Mono", Consolas, Monaco, Menlo, monospace;word-break: break-all;color: rgb(89, 89, 89);font-size: 13px;letter-spacing: 0.5px;">Excel有最大行數(shù)1048576的限制，二是文件占用空間更大，保存和加載速度很慢。CSV沒(méi)有行數(shù)限制，相對(duì)輕便，但是面對(duì)大數(shù)據(jù)量時(shí)還是略顯拉夸，百萬(wàn)數(shù)據(jù)量?jī)?chǔ)存加載時(shí)也要等好久。。不過(guò)很多同學(xué)都借此機(jī)會(huì)抻抻懶腰、摸摸魚，充分利用時(shí)間也不錯(cuò)
。CSV 并不是唯一的數(shù)據(jù)存儲(chǔ)格式。今天和大家介紹一個(gè)速度超快、更加輕量級(jí)的二進(jìn)制格式保存格式：feather。Feather是什么？
Feather 是一種用于存儲(chǔ)數(shù)據(jù)幀的數(shù)據(jù)格式。它最初是為了 Python 和 R 之間快速交互而設(shè)計(jì)的，初衷很簡(jiǎn)單，就是盡可能高效地完成數(shù)據(jù)在內(nèi)存中轉(zhuǎn)換的效率。Feather 也不僅限于 Python 和 R 了，基本每種主流的編程語(yǔ)言中都可以用 Feather 文件。不過(guò)，要說(shuō)明下，它的數(shù)據(jù)格式并不是為長(zhǎng)期存儲(chǔ)而設(shè)計(jì)的，一般的短期存儲(chǔ)。如何在Python中操作Feather？
Python 中，可以通過(guò) pandas 或 Feather 兩種方式操作。首先需要安裝feather-format。# pip
pip install feather -format
# Anaconda
conda install -c conda-forgefeather-format
Feather、Numpy 和 pandas 來(lái)一起配合。數(shù)據(jù)集有 5 列和 1000 萬(wàn)行隨機(jī)數(shù)。import feather
import numpy as np
import pandas as pd
np.random.seed = 42
df_size = 10000000
df = pd.DataFrame({
'a': np.random.rand(df_size),
'b': np.random.rand(df_size),
'c': np.random.rand(df_size),
'd': np.random.rand(df_size),
'e': np.random.rand(df_size)
})
df.head()
csv的操作難度一個(gè)水平線，非常簡(jiǎn)單。DataFrame 直接to_feather 的 Feather 格式：df.to_feather('1M.feather')
Feather 庫(kù)執(zhí)行相同操作的方法：feather.write_dataframe(df, '1M.feather')
pandas加載：df = pd.read_feather('1M.feather')
Feather 加載：df =feather.read_dataframe('1M.feather')
和CSV的區(qū)別
feather和csv的差距有多大。下圖顯示了上面本地保存 DataFrame 所需的時(shí)間：
Feather(圖中的Native Feather)比 CSV 快了將近 150 倍左右。如果使用 pandas 處理 Feather 文件并沒(méi)有太大關(guān)系，但與 CSV 相比，速度的提高是非常顯著的。
CSV 的讀取速度要慢得多。并且CSV占用的磁盤空間也更大。
CSV 文件占用的空間是 Feather 文件占用的空間的兩倍多。假如我們每天存儲(chǔ)千兆字節(jié)的數(shù)據(jù)，那么選擇正確的文件格式至關(guān)重要。Feather 在這方面完全碾壓了 CSV。Parquet，也是一個(gè)可以替代CSV 的格式。
推薦閱讀
推薦一個(gè)公眾號(hào)，幫助程序員自學(xué)與成長(zhǎng)
覺(jué)得還不錯(cuò)就給我一個(gè)小小的鼓勵(lì)吧！
評(píng)論
圖片
表情