原文地址
这篇笔记测试Mysql、Pandas、Python列表的大数据查询性能。
手中有一张72万余行的数据库表，借此机会测试三者的数据查询性能，终于解决内心疑问。
测试环境:Ubuntu 20.04 LTS, Python 3.8.2, Intel® Core™ i7-8750H CPU @ 2.20GHz × 12
原数据有8列，724100行，sql文件大小 65.5 MB
数据表第8列为时间，下面用三种方法分别按时间降序，记录每种方法的用时（每种方法测试3次，取平均值）
一、Mysql
1.测试性能，通过Python调用Mysql
以下为测试源码
import pandas as pdimport datetimedef connect(): mydb = mysql.connector.connect( host="127.0.0.1", user="root", passwd="sdddddddd", database="abc" ) return mydbdef sql(): mydb = connect() mycursor = mydb.cursor() start = datetime.datetime.now() mycursor.execute("SELECT * FROM My_table ORDER BY time DESC") #按time列降序 end = datetime.datetime.now() print(end - start) #测试Mysql查询性能 data_sql = mycursor.fetchall() mycursor.close() mydb.close() return data_sqldef main(): data_sql = sql()if __name__ == "__main__": main()测试结果如图
三次取平均值为 0.652s
这只是Python调用Mysql的性能，这和Mysql的真实性能有不同吗？为了避免Python产生的误差，接着再测试一组直接用Mysql查询的性能。
2、测试性能，直接通过Mysql查询
输入如下命令排序查询
SELECT * FROM My_table ORDER BY time DESC首次测试得到的时间如图
测试3次的时间分别为 0.668s、0.664s、0.702s，平均值 0.678s
由此得出，Python调用Mysql 和 直接使用Mysql查询，性能几乎一致，可忽略不计。
二、Pandas
以下为Pandas的测试源码
import pandas as pdimport datetimedef connect(): mydb = mysql.connector.connect( host="127.0.0.1", user="root", passwd="sdddddddd", database="abc" ) return mydbdef pa(): mydb = connect() mycursor = mydb.cursor() mycursor.execute("SELECT * FROM My_table") data_sql = mycursor.fetchall() data = pd.DataFrame(data_sql, columns=['1', '2', '3', '4', '5', '6', '7', 'time']) start = datetime.datetime.now() data2 = data.sort_values('time', ascending=False) #按time列降序 end = datetime.datetime.now() print(end - start) #测试pandas查询性能 mycursor.close() mydb.close() return data2def main(): data2 = pa()if __name__ == "__main__": main()下面为测试结果
三次取平均值为 0.433s
三、Python列表
以下为Python列表的测试源码
import pandas as pdimport datetimedef connect(): mydb = mysql.connector.connect( host="127.0.0.1", user="root", passwd="sdddddddd", database="abc" ) return mydbdef py(): mydb = connect() mycursor = mydb.cursor() mycursor.execute("SELECT * FROM My_table") data_sql = mycursor.fetchall() start = datetime.datetime.now() data3 = data_sql.sort(key=lambda x:x[7], reverse=True) #按第8列降序（time列） end = datetime.datetime.now() print(end - start) #测试Python列表的查询性能 mycursor.close() mydb.close() return data3def main(): data3 = py()if __name__ == "__main__": main()测试结果如下
三次取平均值为 0.064s
四、总结
1.在Python中调用Mysql 和 直接使用Mysql查询，性能几乎一致，可忽略不计。
2.大数据查询性能 Python列表 > Pandas > Mysql
测试数据为，Mysql查询时间 0.652s，Pandas查询时间 0.433s，Python列表查询时间 0.064s
看来Python大数据分析性能很强的～
这里想到一个问题，Pandas 基于 NumPy 开发，内部实现由C语言完成，理论性能应该极强，为什么测试中Python列表性能反而强于Pandas？（大概强5倍）希望知道的朋友留言，谢谢！共同进步～