如何解决使用dask从大型csv文件进行查询的速度非常慢
我只想从具有1亿行的大型csv文件中查询特定用户ID的行,该文件具有包含用户ID的多列。 此文件中大约有40万个用户ID。
由于csv文件太大而无法进入内存,因此我使用dask编写了程序,如下所示。
import dask.dataframe as dd
ddf = dd.read_csv('large.csv')
df = ddf[ddf['user_id'] == 'fja8947']
df = df.compute()
但是,下面执行查询的程序的执行时间大约需要4分钟,这很慢。
如何改进程序或更改文件格式,以便可以更快地查询文件?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。