numpy的csv TOO与Matlab相比太慢

Question

我发布了这个问题，因为我想知道我是否做错了什么严重的事情才能获得此结果。

我有一个中等大小的csv文件，尝试使用numpy加载它。为了说明，我使用python制作了文件：

import timeit
import numpy as np

my_data = np.random.rand(1500000, 3)*10
np.savetxt('./test.csv', my_data, delimiter=',', fmt='%.2f')

然后，我尝试了两种方法：numpy.genfromtxt，numpy.loadtxt

setup_stmt = 'import numpy as np'
stmt1 = """\
my_data = np.genfromtxt('./test.csv', delimiter=',')
"""
stmt2 = """\
my_data = np.loadtxt('./test.csv', delimiter=',')
"""

t1 = timeit.timeit(stmt=stmt1, setup=setup_stmt, number=3)
t2 = timeit.timeit(stmt=stmt2, setup=setup_stmt, number=3)

结果表明 t1 = 32.159652940464184，t2 = 52.00093725634724 。
但是，当我尝试使用matlab时：

tic
for i = 1:3
    my_data = dlmread('./test.csv');
end
toc

结果显示：经过时间为 3.196465秒 。

我了解加载速度可能会有一些差异，但是：

1. 这远远超出了我的预期。
2. 是不是np.loadtxt应该比np.genfromtxt快？
3. 我还没有尝试过python csv模块，因为加载csv文件是我经常要做的事情，而使用csv模块，编码有点冗长…但是我很乐于尝试，如果那是唯一的方法。目前，我更担心自己是否做错了什么。

任何输入将不胜感激。在此先多谢！

Answer 1

是的，将csv文件读入numpy非常慢。代码路径上有很多纯Python。这些天，即使我使用的是纯格式，numpy我仍然会使用pandasIO：

>>> import numpy as np, pandas as pd
>>> %time d = np.genfromtxt("./test.csv", delimiter=",")
CPU times: user 14.5 s, sys: 396 ms, total: 14.9 s
Wall time: 14.9 s
>>> %time d = np.loadtxt("./test.csv", delimiter=",")
CPU times: user 25.7 s, sys: 28 ms, total: 25.8 s
Wall time: 25.8 s
>>> %time d = pd.read_csv("./test.csv", delimiter=",").values
CPU times: user 740 ms, sys: 36 ms, total: 776 ms
Wall time: 780 ms

另外，在这种简单的情况下，您可以使用Joe
Kington在此处写的内容：

>>> %time data = iter_loadtxt("test.csv")
CPU times: user 2.84 s, sys: 24 ms, total: 2.86 s
Wall time: 2.86 s

还有一个Warren
Weckesser的textreader库，以防万一pandas依赖太重：

>>> import textreader
>>> %time d = textreader.readrows("test.csv", float, ",")
readrows: numrows = 1500000
CPU times: user 1.3 s, sys: 40 ms, total: 1.34 s
Wall time: 1.34 s