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，整理出簡單好用的操作方法，希望對大家解答”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，請跟著小編一起來學習吧！

在威縣等地區(qū)，都構建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務理念，為客戶提供網(wǎng)站設計、成都網(wǎng)站建設 網(wǎng)站設計制作定制開發(fā),公司網(wǎng)站建設,企業(yè)網(wǎng)站建設,品牌網(wǎng)站制作,營銷型網(wǎng)站建設,成都外貿(mào)網(wǎng)站建設,威縣網(wǎng)站建設費用合理。

         熟悉Python數(shù)據(jù)分析和跟各種數(shù)據(jù)存儲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。為了驗證這一結論，我特意測試了一下，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）

        接著進入正題，以下就是我的測試結果：

        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，計算結果只需花費幾十到幾百毫秒；

  處理數(shù)據(jù)的時間，花了幾十到幾百毫秒不等：

  ② 把Excel的數(shù)據(jù)(29M)導入到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)的時間，花了0.134s

        ③ 用Python直接從MySQL中獲取剛才從Excel中導入的數(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)的時間，花了59ms.

        ④ 用Python讀取把剛才29M的Excel，另存為一個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)的時間，花了19ms

到此，關于“Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續(xù)學習更多相關知識，請繼續(xù)關注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
分享文章：Python從不同格式文件中加載數(shù)據(jù)的速度舉例分析
標題鏈接：http://weahome.cn/article/iggeoe.html