我倾向于将.csv文件导入熊猫，但有时我可能会以其他格式获取数据以制作DataFrame对象。pandas read_table与read_csv的性能差异与from_csv与read_excel的差异？
今天，我刚刚发现约read_table作为其他格式的“通用”导入程序，并且想知道读取.csv文件的各种方法在大熊猫中是否存在显着的性能差异。 read_table,from_csv,read_excel。
read_csv有更好的性能吗？read_csv与创建DataFrame的from_csv大不相同？read_table是read_csv与sep=','由sep='\t'取代，它们是围绕相同功能的两个薄包装纸因此性能将是相同的。 read_excel使用xlrd包将xls和xlsx文件读取到DataFrame中，但它不处理csv文件。from_csv来电read_table，所以没有。我发现CSV和制表符分隔的文本（.txt）在读取和写入速度上是等同的，两者都比读取和写入MS Excel文件快得多。但是，Excel格式压缩文件大小很多。
对于相同的320 MB CSV文件（16 MB的.xlsx） （i7-7700k，SSD，运行阿纳康达的Python 3.5.3，熊猫0.19.2）
使用标准约定import pandas as pd
2秒至读取的.csv df = pd.read_csv('foo.csv')（同样为pd.read_table）
15.3秒读取的.xlsx df = pd.read_excel('foo.xlsx')
10.5秒写的.csv df.to_csv('bar.csv', index=False) （同为.TXT）
34.5秒写的.xlsx df.to_excel('bar.xlsx', sheet_name='Sheet1', index=False)
要写dataframes为制表符分隔的文本文件，你可以使用：
df.to_csv('bar.txt', sep='\t', index=False)