關(guān)于python 讀取csv最快的Datatable的用法,你都學(xué)會了嗎
2021年7月1日，官方正式發(fā)布了1.0Datatable版本。1.0版本支持windows和linux,以及Macos。 具體文檔可以見：
https://datatable.readthedocs.io/en/latest/start/using-datatable.html
Datatable與眾不同就是快！
需要說明的是，使用Datatable庫需要python3.6及以上版本。
import datatable as dt
import pandas as pd
import time
from datetime import date
from datatable import f,update
t0 = time.time()
t1 = time.time()
file = r"C:\Users\songroom\Desktop\000001.csv"
my_table = dt.fread(file,sep=",",header=True) ## datatable格式
## dt.fread(data, sep=",",header=False, columns=["A","B","C","D"]) 多種設(shè)置
t3 = time.time()
print(f"my_table -> data type ：{type(my_table)}")
print(f"my_table -> data name : {my_table.names}")
print(f"my_table -> (nrows,ncols) : {my_table.shape}") # (nrows, ncols)
my_table -> data type ：<class ‘datatable.Frame'>
my_table -> data name : (‘date', ‘open', ‘close', ‘low', ‘high', ‘volume', ‘money', ‘factor', ‘high_limit', ‘low_limit', ‘a(chǎn)vg', ‘pre_close', ‘paused', ‘open_interest')
my_table -> (nrows,ncols) : (590880, 14)
print(f"my_table -> head(10): " )
print(my_table.head(10)) #
print(f" datatable read_csv cost time : {t3-t0} s!")
# ## 和pandas 相比
t4 = time.time()
pandas_df = pd.read_csv(file)
t5 = time.time()
print(f" pandas read_csv cost time : {t5-t4} s! ")
datatable read_csv cost time : 0.059000492095947266 s!
pandas read_csv cost time : 1.7289988994598389 s!
把讀取的csv存成jay文件
把.jay文件讀成datatable
t6 = time.time()
my_table.to_jay(r"C:\Users\songroom\Desktop\000001.jay")
t7 = time.time()
print(f"datatable 把數(shù)據(jù)存放成jay cost time : {t7-t6} s!")
## 把.jay文件讀成datatable
t8 = time.process_time_ns() ## 增加精度
table_jay = dt.fread(r"C:\Users\songroom\Desktop\000001.jay")
t9 = time.process_time_ns()
print(f"把.jay文件 讀取到datatable cost time : {(t9-t8)/1000000000.0} s !")
print(f".jay文件讀取成table_jay 的數(shù)據(jù)格式 ：{type(table_jay)}")
datatable 把數(shù)據(jù)存放成jay cost time : 0.494002103805542 s! 把.jay文件
讀取到datatable cost time : 0.0 s !
.jay文件讀取成table_jay 的數(shù)據(jù)格式 ：<class ‘datatable.Frame'>
## 把datatable轉(zhuǎn)成pandas.dataframe
t10 = time.time()
pandas_df = my_table.to_pandas()
t11 = time.time()
print(f"pandas_df type : {type(pandas_df)} ")
print(f"datatable 轉(zhuǎn)成 pandas df cost time : {t11-t10} s!")
print(f"{pandas_df.head()}")
pandas_df type : <class ‘pandas.core.frame.DataFrame'> datatable 轉(zhuǎn)成
pandas df cost time : 0.1569967269897461 s!
把dataframe轉(zhuǎn)成datatable
t12 = time.process_time()
my_table_from_df = dt.Frame(pandas_df)
t13 = time.process_time()
print(f"dataframe => datatable cost time : {t13-t12} s!")
print(f"my_table_from_df type: {type(my_table_from_df)}pandas_df type : {type(pandas_df)}")
dataframe => datatable cost time : 0.296875 s! my_table_from_df type:
<class ‘datatable.Frame'> pandas_df type : <class
‘pandas.core.frame.DataFrame'>
把datatable 轉(zhuǎn)成 csv保存,把datatalbe擴(kuò)展10倍，再輸出csv
t14 = time.time()
big_table = dt.repeat(my_table, 10) ##
t14_1 = time.time()
big_table.to_csv(r"C:\Users\songroom\Desktop\000001_big.csv")
t15 = time.time()
print(f"big_table shape (nrows,ncols ) : {big_table.shape}")
print(f"datatable 擴(kuò)展10倍 cost time : {t14_1-t14}s!")
print(f"datatable 落地csv文件cost time : {t15-t14_1} s!")
big_table shape (nrows,ncols ) : (5908800, 14)
datatable 擴(kuò)展10倍 cost time : 0.0s!
datatable 落地csv文件 cost time : 9.905611753463745 s!
與各種類型數(shù)據(jù)的轉(zhuǎn)換：
datatable => arrow()
arr_from_table = my_table.to_arrow()
print(f"{type(arr_from_table)}")
<class ‘pyarrow.lib.Table'>
把dict =>datatable
dict_data = {"dates" : [date(2000, 1, 5), date(2010, 11, 23), date(2020, 2, 29), None],
"integers" : range(1, 5),
"floats" : [10.0, 11.5, 12.3, -13],
"strings" : ['A', 'B', None, 'D']
}
table_from_dict = dt.Frame(dict_data)
print(f" dict_data type :{type(dict_data)}table_from_dict type : {type(table_from_dict)} ")
把datatable => dict
dict_from_datatable = my_table.to_dict()
print(f" dict_from_datatable type :{type(dict_from_datatable)}my_table type : {type(my_table)} ")
把datatable 取值和過濾
my_table_new = my_table[:, "close"]
找到符合這兩個條件（且）的table,這兩個條件要括起來！
table_3800_and = my_table[(f.close > 3800) & (f.pre_close < 3800),:]
找到符合這兩個條件（or）的table,這兩個條件要括起來！
table_3800_or = my_table[(f.close > 3800) | (f.pre_close < 3800),:]
my_table[:, 'date'] ## 選擇date列 my_table['date'] ## 同上 my_table[:,["date","close"]] ## 選擇 date,close兩列 my_table[:,f.close] ## 選擇close my_table[[1, 2, 3], :] ## 選擇相應(yīng)的行 my_table[range(1, 3), :] ## 選擇相應(yīng)的行
把 datatable 轉(zhuǎn)成list
my_list = my_table_new.to_list()
兩個datatable的操作 合并
dt1 = dt.rbind(my_table, table_3800_or) ## 這兩個table合并,行上進(jìn)行合并；列上擴(kuò)展用rbind()
del dt1[:, ['date', 'close']] ## 刪除兩列
my_table['low_high'] = my_table[:, (f.low + f.high)/2.0] ## 增加一列，賦值方法
my_table[:, update(mean = (f.low+ f.high +f.close)/3.0)] ## 增加一列，update方法
my_table.names = {"low_high": "lowhigh", "mean": "mean_3"} ## 對兩列的字段進(jìn)行重命名
dict_from_datatable type :<class ‘dict'> my_table type : <class ‘datatable.Frame'>
循環(huán),效率好象比較慢！后面還待觀察是否有優(yōu)化！
nrows,ncols = my_table.shape
tt0 = time.time()
for i in range(nrows):
values = my_table[i,:]
tt1 = time.time()
print(f"my_table 循環(huán) cost time :{tt1-tt0} s")
my_table 循環(huán) cost time :9.566002130508423 s。效率看起來比較低。
到此這篇關(guān)于python 讀取csv最快的Datatable的用法的文章就介紹到這了,更多相關(guān)python 讀取csv內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信