关于python:Python爬虫数据合并应该先在list中合并再转pandas处理

纳闷

在 pandas 文档中看到，不倡议频繁应用 append 追加数据，而是应用 concat 连贯，可能提高效率。

于是想到，这样操作已有 DataFrame 时可能没别的方法，然而在爬虫中，常常是分批采集到数据，那应该在每个线程中转为 DataFrame 再最初合并，还是应该先用 list 追加（extand/append）最初再转为 DataFrame？

于是本人测试一下，发现后果 list 解决比频繁转换 DataFrame 效率高得多。

所以，爬虫中应该先应用 list 存储、更新数据，抓取完结后再应用 pandas 解决。

测试如下

1. 应用 pandas 间接转为 DataFrame，最初再 concat 合并

t = time.perf_counter()
pd1 = pd.concat([pd.DataFrame([[i, i, i, i]], columns=['0', '1', '2', '3']) for i in range(1000)],
                ignore_index=True)
t = time.perf_counter() - t
print(pd1)
print('工作全副实现耗时：', t)

输入：

[1000 rows x 4 columns]
工作全副实现耗时：0.47608409999998

2. 应用 list 合并，最初应用 pandas 间接转为 DataFrame

t = time.perf_counter()
lst = []
for i in range(1000):
    lst.extend([[i, i, i, i]])
pd1 = pd.DataFrame(lst, columns=['0', '1', '2', '3'])
t = time.perf_counter() - t
print(pd1)
print('工作全副实现耗时：', t)

输入：

[1000 rows x 4 columns]
工作全副实现耗时：0.002777700000024197