最近看了某公众号文章，推荐了所谓的神器，据说读取速度吊打pandas，可谓牛逼。
抱着学习的精神，网上搜了文章，发现了一些端倪，事实真是这样吗？来一起揭秘真相。
- 首先安装包
# pip install ray
# pip install dask
# pip install modin
- 安装版本
Successfully installed aiohttp-3.6.2 async-timeout-3.0.1 google-2.0.3 multidict-4.7.6 py-spy-0.3.3 ray-0.8.5 redis-3.4.1 yarl-1.4.2
Requirement already satisfied: dask in /Applications/anaconda3/lib/python3.7/site-packages (2.11.0)
Successfully installed modin-0.7.3 pandas-1.0.3
Successfully uninstalled ray-0.8.5
Successfully installed pyarrow-0.16.0 ray-0.8.4
- 导入包测试
import modin.pandas as pd
# ImportError: Please `pip install modin[ray]` to install compatible Ray version.
# 首次报错
# pip install modin[ray]
- 第二次运行
弹窗，点允许，哈哈 # 您要应用程序“redis-server”接受传入网络连接吗？
modin.pandas: 76.71852612495422
import time
import modin.pandas as pd start = time.time()
#Taxi_Trips(正式).csv 5.38G
df = pd.read_csv(r'/Users/dugh/Desktop/芝加哥市出租车行车记录(2013年至今)/Taxi_Trips(正式).csv')
end = time.time()
print(end-start)
pandas: 71.43032503128052
import time
import pandas as pd start = time.time()
#Taxi_Trips(正式).csv 5.38G
df = pd.read_csv(r'/Users/dugh/Desktop/芝加哥市出租车行车记录(2013年至今)/Taxi_Trips(正式).csv')
end = time.time()
print(end-start)
- 第一轮（5.38G）：pandas胜出 5 秒
- 第二轮（680.9M）：pandas 胜出 3 秒
- 第三轮（3G）：pandas胜出 11 秒
- 修改配置
文章说：如果待操作的数据文件远大于电脑内存RAM，可以设置，那就设置再运行一遍吧
# 如果待操作的数据文件远大于电脑内存RAM，可以设置
import os
os.environ["MODIN_OUT_OF_CORE"]='true'
import modin.pandas as pd
验证下是不是，我设置问题
-----------------------------分割线--------------------------------
- 第一轮（5.38G）：pandas胜出 2 秒
- 第二轮（680.9M）：pandas 胜出 3 秒
- 第三轮（3G）：pandas胜出 12 秒
- 总结：
通过不同的文件格式和文件大小，pandas均比modin快，尤其在h5大文件下，快了将近一半。
真的有那么神奇吗？
就算后面改了配置，modin还是没有变快，到这里已经无需过多解释。
- 附录1
本人测试机配置：19年 15寸 macbook pro 内存16g 8核心 系统osx：10.14.6
- 附录2
本次测试数据
- 附录3
网友反馈 https://www.jiqizhixin.com/articles/2019-04-13-2
