【谎言大揭秘】Modin真的比pandas运行更快吗？

时间:2020-05-24 HuaBro 人气:1

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，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'/Usershttps://img.qb5200.com/download-x/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'/Usershttps://img.qb5200.com/download-x/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

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

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，在h5大文件下，快了将近一半。

真的有那么神奇吗？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

加载全部内容