pandas 的 to_excel,在几十万条数据(也可能上百万)的情况下太慢了该怎么解决？

[lluuiq]

有个需求是导出某个部门下的所有数据,以某个部门为例查询出来就有 60+W 条数据。
目前是后端查询出来给 pandas 、pandas 用 to_excel 方法生成 excel，最后传文件流给前端。
然后发现时间全耗在了 to_excel 这里，生成 40+M 大小的文件耗时 10 分钟左右。
有什么办法能优化到一两分钟以内吗

[superrichman]

to_csv

[noqwerty]

先看看 csv 要多长时间，排除 io 的问题。如果 csv 没问题的话可以尝试换其他的 Excel writer engine，pandas 默认的好像很慢

[renmu123]

你导出成 CSV 应该会快很多，或者 to_dict 后用 openpyxl 的一个快速写入（具体不记得叫啥了）模式写入试试看吧。
如果数据不需要 pandas 处理，没必要用 pandas 来转换啊。

[TimePPT]

一般超过 10 万行就 csv 吧，你这存着费劲，接收方打开也费劲。
后来我还给运营培训过 sql，之后就开始导 sqlite db 文件给他们自己用了，随便用😂

[wuwukai007]

xlwings，如果不是逐行写的话，速度蛮快的，不过 40m 的一般电脑打开直接卡白屏吧

[wuwukai007]

还有 engine=xlwrite,我之前用过比 openpyxl 速度快 40%
左右

[lluuiq]

@renmu123 需要处理一些 转换格式 填充 nan 值之类的 。。

[lluuiq]

@noqwerty 尝试了一下 csv 写入 csv 速度特别快，但是返回文件时变慢了 😂

[hs0000t]

@lluuiq 导出后打压缩包再返回

[lithiumii]

都六十万条数据了，excel 不合适了吧，毕竟 excel 是给人看

[Thymolblue]

如果是 2D 数据的话可以考虑科学数据集(高于 3D 可能需要转换)
比如 hdf5
pandas 是能直接导出 hdf5 的

[snw]

如果中间不需要给人看，没必要经过 excel 格式，用 csv 就行。

Excel 本身处理几十万行、十几列的表格数据其实问题不大，只是 lz 的需求没必要。

[neoblackcap]

上百万的数据如果还要导出成 xlsx 格式，那么工作就会很有可能就会出现问题。原因是 xlsx 文件并不支持那么多数据。xlsx 最大行数为 2^20 = 1048576，你超过 100 万行的数据请考虑使用更加合适的工具，比如数据库

[liprais]

不给人看转成 csv 的你们是认真的么....转成二进制格式多好....

[kkbblzq]

别 excel 了，多了内存也会炸

[rationa1cuzz]

我好奇你生成后能顺利打开吗？ 前几天还帮同学处理个雨量统计表 3M 多的 xlsx，一个大概十几秒
openpyxl engine=xlwrite 能快一点

[HankLu]

to_csv，10 万条我的联想小新 Air15 只要十秒左右

[lluuiq]

@rationa1cuzz 能打开 就是 40+M 的文件要加载个 10 秒左右

[lluuiq]

@HankLu 已经换成 csv 了，耗时从接近 10 分钟变成了几秒。。😂