2021年7月1日，官方正式發布了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', ‘avg', ‘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 把數據存放成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 的數據格式 ：{type(table_jay)}")
datatable 把數據存放成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 的數據格式 ：<class ‘datatable.Frame'>
## 把datatable轉成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 轉成 pandas df cost time : {t11-t10} s!")
print(f"{pandas_df.head()}")
pandas_df type : <class ‘pandas.core.frame.DataFrame'> datatable 轉成
pandas df cost time : 0.1569967269897461 s!
把dataframe轉成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 轉成 csv保存,把datatalbe擴展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 擴展10倍 cost time : 0.0s!
datatable 落地csv文件 cost time : 9.905611753463745 s!
與各種類型數據的轉換：
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], :] ## 選擇相應的行 my_table[range(1, 3), :] ## 選擇相應的行
把 datatable 轉成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,行上進行合并；列上擴展用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"} ## 對兩列的字段進行重命名
dict_from_datatable type :<class ‘dict'> my_table type : <class ‘datatable.Frame'>
循環,效率好象比較慢！后面還待觀察是否有優化！
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 cost time :{tt1-tt0} s")
my_table 循環 cost time :9.566002130508423 s。效率看起來比較低。
到此這篇關于python 讀取csv最快的Datatable的用法的文章就介紹到這了,更多相關python 讀取csv內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/wowotuo/article/details/120809360
