問題描述

小弟的需求需要在多個(gè)數(shù)據(jù)庫之間查詢數(shù)據(jù)并關(guān)聯(lián)，所以小弟選擇了使用pandas，通過read_sql讀取數(shù)據(jù)至dataframe加工后直接生成目標(biāo)數(shù)據(jù)。但是目前遭遇了一個(gè)問題：read_sql的速度非常慢，例如，在oracle庫中讀取37W數(shù)據(jù)量（22個(gè)字段）的表至dataframe耗時(shí)需要4分半。代碼如下：

import pandas as pdimport sqlalchemy as sqlora_engine=sql.create_engine(’oracle://test01:test01@test01db’)ora_df1=pd.read_sql(’select * from target_table1’,ora_engine)

耗時(shí)4分32秒

甚至小弟使用另外一個(gè)簡單粗暴的方法都會(huì)比read_sql快很多。代碼如下：

import pandas as pdimport sqlalchemy as sqlora_engine=sql.create_engine(’oracle://test01:test01@test01db’)conn=ora_engine.raw_connection()cursor=conn.cursor()queryset=cursor.execute(’select * from target_table1’)columns=[for i[0] in queryset.description]df_data=queryset.fetchall()ora_df1=pd.DataFrame()ora_df1.columns=columnsora_df1.append(df_data)

耗時(shí)1分31秒

這里想請(qǐng)教一下各位大大，有什么方法可以優(yōu)化提升pandas的read_sql的速度，非常感謝大家~

問題解答

試試read_sql_tablehttp://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql_table.html#pandas.read_sql_table