我傾向於將.csv文件導入熊貓，但有時我可能會以其他格式獲取數據以製作DataFrame對象。pandas read_table與read_csv的性能差異與from_csv與read_excel的差異？
今天，我剛剛發現約read_table作爲其他格式的「通用」導入程序，並且想知道讀取.csv文件的各種方法在大熊貓中是否存在顯着的性能差異。 read_table,from_csv,read_excel。
read_csv有更好的性能嗎？read_csv與創建DataFrame的from_csv大不相同？read_table是read_csv與sep=','由sep='\t'取代，它們是圍繞相同功能的兩個薄包裝紙因此性能將是相同的。 read_excel使用xlrd包將xls和xlsx文件讀取到DataFrame中，但它不處理csv文件。from_csv來電read_table，所以沒有。我發現CSV和製表符分隔的文本（.txt）在讀取和寫入速度上是等同的，兩者都比讀取和寫入MS Excel文件快得多。但是，Excel格式壓縮文件大小很多。
對於相同的320 MB CSV文件（16 MB的.xlsx） （i7-7700k，SSD，運行阿納康達的Python 3.5.3，熊貓0.19.2）
使用標準約定import pandas as pd
2秒至讀取的.csv df = pd.read_csv('foo.csv')（同樣爲pd.read_table）
15.3秒讀取的.xlsx df = pd.read_excel('foo.xlsx')
10.5秒寫的.csv df.to_csv('bar.csv', index=False) （同爲.TXT）
34.5秒寫的.xlsx df.to_excel('bar.xlsx', sheet_name='Sheet1', index=False)
要寫dataframes爲製表符分隔的文本文件，你可以使用：
df.to_csv('bar.txt', sep='\t', index=False)