【謊言大揭秘】Modin真的比pandas運行更快嗎？

最近看了某公眾號文章，推薦了所謂的神器，據說讀取速度吊打pandas，可謂牛逼。

抱着學習的精神，網上搜了文章，發現了一些端倪，事實真是這樣嗎？來一起揭秘真相。

• 首先安裝包

# pip install ray
# pip install dask
# pip install modin

• 安裝版本

Successfully installed aiohttp-3.6.2 async-timeout-3.0.1 google-2.0.3 multidict-4.7.6 py-spy-0.3.3 ray-0.8.5 redis-3.4.1 yarl-1.4.2
Requirement already satisfied: dask in /Applications/anaconda3/lib/python3.7/site-packages (2.11.0)
Successfully installed modin-0.7.3 pandas-1.0.3
Successfully uninstalled ray-0.8.5
Successfully installed pyarrow-0.16.0 ray-0.8.4

• 導入包測試

import modin.pandas as pd

# ImportError: Please `pip install modin[ray]` to install compatible Ray version.
# 首次報錯
# pip install modin[ray]

• 第二次運行

彈窗，點允許，哈哈  # 您要應用程序“redis-server”接受傳入網絡連接嗎？

modin.pandas: 76.71852612495422

import time
import modin.pandas as pd

start = time.time()
#Taxi_Trips(正式).csv 5.38G
df = pd.read_csv(r'/Users/dugh/Desktop/芝加哥市出租車行車記錄(2013年至今)/Taxi_Trips(正式).csv')
end = time.time()
print(end-start)

   pandas:  71.43032503128052

import time
import pandas as pd

start = time.time()
#Taxi_Trips(正式).csv 5.38G
df = pd.read_csv(r'/Users/dugh/Desktop/芝加哥市出租車行車記錄(2013年至今)/Taxi_Trips(正式).csv')
end = time.time()
print(end-start)

• 第一輪（5.38G）：pandas勝出 5 秒

 

• 第二輪（680.9M）：pandas 勝出 3 秒

• 第三輪（3G）：pandas勝出 11 秒

• 修改配置

文章說：如果待操作的數據文件遠大於電腦內存RAM，可以設置，那就設置再運行一遍吧

# 如果待操作的數據文件遠大於電腦內存RAM，可以設置
import os
os.environ["MODIN_OUT_OF_CORE"]='true'
import modin.pandas as pd

驗證下是不是，我設置問題

 -----------------------------分割線--------------------------------

• 第一輪（5.38G）：pandas勝出 2 秒

• 第二輪（680.9M）：pandas 勝出 3 秒

• 第三輪（3G）：pandas勝出 12 秒

  

•  總結：

通過不同的文件格式和文件大小，pandas均比modin快，尤其在h5大文件下，快了將近一半。

真的有那么神奇嗎？

就算后面改了配置，modin還是沒有變快，到這里已經無需過多解釋。

• 附錄1

本人測試機配置：19年 15寸 macbook pro 內存16g 8核心 系統osx：10.14.6

•  附錄2

 本次測試數據 

•  附錄3

網友反饋   https://www.jiqizhixin.com/articles/2019-04-13-2