我的原计划是输出100个，目前来看可能最终不一定会到100个，但每个都是超实用且平时经常会遇到的问题。pandas的用法太多了，如果不熟练，平时是需要经常网上查找的，这个系列可以帮助大家快速回忆用法。或者万一平时遇到问题查不到无法解决，也可以过来看下，毕竟某度上是查不到微信文章的。该系列预计25-30篇文章的时候，东哥会总结成第一版的PDF电子版，方便大家使用。剩下来的继续更新迭代版本。
为什么要和CSV再见？
好了说了那么久，来介绍下为什么要和CSV再见。其实也谈不上彻底再见吧，日常还是要用的，这里再介绍一个更加高效的数据格式。用Python处理数据时保存和加载文件属于日常操作了，尤其面对大数据量时我们一般都会保存成CSV格式，而不是Excel。一是因为Excel有最大行数1048576的限制，二是文件占用空间更大，保存和加载速度很慢。虽然用CSV没有行数限制，相对轻便，但是面对大数据量时还是略显拉夸，百万数据量储存加载时也要等好久。。不过很多同学都借此机会抻抻懒腰、摸摸鱼，充分利用时间也不错。其实，CSV 并不是唯一的数据存储格式。今天和大家介绍一个速度超快、更加轻量级的二进制格式保存格式：feather。
Feather是什么？
Feather 是一种用于存储数据帧的数据格式。它最初是为了 Python 和 R 之间快速交互而设计的，初衷很简单，就是尽可能高效地完成数据在内存中转换的效率。现在 Feather 也不仅限于 Python 和 R 了，基本每种主流的编程语言中都可以用 Feather 文件。不过，要说明下，它的数据格式并不是为长期存储而设计的，一般的短期存储。
如何在Python中操作Feather？
在 Python 中，可以通过 pandas 或 Feather 两种方式操作。首先需要安装feather-format。
# pip pip install feather -format # Anaconda conda install -c conda-forgefeather-format
只需要上面一行安装即可，很简单。我们通过一个较大的数据集举例，需要 Feather、Numpy 和 pandas 来一起配合。数据集有 5 列和 1000 万行随机数。
import feather import numpy as np import pandas as pd np.random.seed = 42 df_size = 10000000 df = pd.DataFrame({ 'a': np.random.rand(df_size), 'b': np.random.rand(df_size), 'c': np.random.rand(df_size), 'd': np.random.rand(df_size), 'e': np.random.rand(df_size) }) df.head()
它的用法和之前csv的操作难度一个水平线，非常简单。
保存
两种方式，一是 DataFrame 直接to_feather 的 Feather 格式：
df.to_feather('1M.feather')
二是用 Feather 库执行相同操作的方法：
feather.write_dataframe(df, '1M.feather')
加载
加载也是一样的，同样还是两种方式。一是通过pandas加载：
df = pd.read_feather('1M.feather')
二是用 Feather 加载：
df =feather.read_dataframe('1M.feather')
操作习惯一样，难度完全没有。
和CSV的区别
对比产生美。下面来看下feather和csv的差距有多大。下图显示了上面本地保存 DataFrame 所需的时间：
差距巨大，有木有！原生 Feather(图中的Native Feather)比 CSV 快了将近 150 倍左右。如果使用 pandas 处理 Feather 文件并没有太大关系，但与 CSV 相比，速度的提高是非常显著的。然后再看下读取不同格式的相同数据集需要多长时间。
同样，差异也很明显。CSV 的读取速度要慢得多。并且CSV占用的磁盘空间也更大。CSV 文件占用的空间是 Feather 文件占用的空间的两倍多。假如我们每天存储千兆字节的数据，那么选择正确的文件格式至关重要。Feather 在这方面完全碾压了 CSV。
当然，如果追求更多的压缩空间，也可以试试Parquet，也是一个可以替代CSV 的格式。
结语
说了这么多，可能很多同学还是甩出一句话：谢谢东哥，我选CSV。 这个东西怎么说呢，当你需要它时，它就有用，如果日常没有速度和空间的强烈需求，还是老老实实CSV吧。CSV已经用惯了，改变使用习惯还是挺难的。
