? 作者：韩信子@ShowMeAI

? 数据分析实战系列：https://www.showmeai.tech/tutorials/40

? 本文地址：https://www.showmeai.tech/article-detail/409

? 声明：版权所有               ，转载请联系平台与作者并注明出处

? 收藏ShowMeAI查看更多精彩内容

? 引言

我们在处理本地存储的数据时遇到了一些问题 
  
  
  
  
  
  
  
 。在相对较小的数据集上 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，读取-处理-写入操作可能很舒服















，但对于大型 .csv 文件来说 
  
  
  
  
  
  
  
，这些操作非常麻烦 
  
  
  
  
  
  
  
 ，可能会消耗大量时间和资源
  
  
  
  
  
  
  
 。

为了解决这个问题

 


 


 


 


 


 


 


 ，我将介绍两种文件类型 
 
 
 
 
 
 
 
，它们可以提高您的数据读写速度 
   
   
   
   
   
   
   
 ，并压缩存储在磁盘上的数据大小：

?Parquet ?Feather

这两种文件类型都具有以下特点：

默认情况下可以使用 Python-Pandas 访问
 


 


 


 


 


 


 


 
。不过
 

 

 

 

 

 

 

 ，您可能需要额外安装 pyarrow 和它的一些扩展
 

 

 

 

 

 

 

 
，具体取决于您的数据类型 
 
 
 
 
 
 
 
。 支持基于列的 I/O 管理
   
   
   
   
   
   
   
  。这样               ，您可以防止在读取所有数据时临时使用额外的 RAM 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，然后删除不需要的列
 

 

 

 

 

 

 

 
。 以二进制格式以自己的类型而不是原始格式存储数据















，您最多可以节省 50% 的存储空间                       ，并且可以在读写操作中获得高达 x100 的加速 

 

 

 

 

 

 

 
。

这两种文件类型都非常易于使用                。更改您当前使用的代码行即可

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。让我们来看看它们！

? Parquet格式

import pandas as pd df = pd.read_csv("some_data.csv") # Saving Parquet files df.to_parquet("df.parquet") # Reading Parquet files df_parq = pd.read_parquet("df.parquet")

? Feather格式

import pandas as pd df = pd.read_csv("some_data.csv") # Saving Feather files df.to_feather("df.feather") # Reading Feather files df_feat = pd.read_feather("df.feather")

? 总结

在本篇内容中 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，ShowMeAI给大家介绍了提高读写速度的数据格式























，如果您不想使用 Excel 原始格式存储数据               ，那么建议您使用并行读取和写入数据的方法 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，这样可以提高数据处理的速度和效率














。

参考资料

?Parquet ?Feather

推荐阅读

? 数据分析实战系列：https://www.showmeai.tech/tutorials/40 ? 机器学习数据分析实战系列：https://www.showmeai.tech/tutorials/41 ? 深度学习数据分析实战系列：https://www.showmeai.tech/tutorials/42 ? TensorFlow数据分析实战系列：https://www.showmeai.tech/tutorials/43 ? PyTorch数据分析实战系列：https://www.showmeai.tech/tutorials/44 ? NLP实战数据分析实战系列：https://www.showmeai.tech/tutorials/45 ? CV实战数据分析实战系列：https://www.showmeai.tech/tutorials/46 ? AI 面试题库系列：https://www.showmeai.tech/tutorials/48