Pandas比MySQL快？

知乎上有人问，处理百万级数据，Python列表、Pandas、Mysql哪个更快？

Pands是Python中非常流行的数据处理库，拥有大量用户，所以拿它和Mysql对比也是情理之中。

实测来看，MySQL > Pandas > Python列表，而且MySQl远快于后两个，几乎是碾压。

这主要是数据库语言和编程语言的差异，其实是不同层面的东西。

Python列表和Pandas是基于内存操作的，百万级数据内存占用高，可能会溢出。

但Pandas算法更优，所以快于Python列表。

Pandas主要基于numpy向量化计算，而且像排序、聚合等算法优化的比较好，一般会比Python列表更快3倍以上。

如果内存占用大，Pandas可以分块读取，所以对于大数据比Python列表有更好的处理能力。

MySQL无疑是最快的，这一点相信写过SQL的人能感受到。

它的数据存储在磁盘，得益于索引和查询优化，而且有分页查询、多线程等，比Pandas和Python列表快很多。

举几个列子，分别是聚合、排序、复杂查询操作。

1、聚合操作（求和）

Python列表（分钟级）需要对嵌套列表进行if遍历，再求和，这非常慢。

Pandas（十秒级）可以用向量化计算来实现，比如df.groupby().sum()

Mysql（秒级）结合索引优化和聚合函数，使用select sum(...) from ... group by...

2、排序操作

Python列表（分钟级）使用内置sort()和sorted()方法，时间复杂度高

Pandas（十秒级）使用pandassort_values方法实现，调用C底层算法，比较快

Mysql（秒级）通过索引直接读取B+树，非常快

3、复杂查询（多表+多条件）

Python列表（分钟级）加载全部数据到内存，且算法复杂

Pandas（十秒级）加载全部数据到内存，可以算法优化，但也不快

Mysql（秒级）通过索引和join方法优化，非常快

所以结论如下：

• Python列表：适合万级以下小规模数据的处理

• Pandas：适合百万左右中等数据规模的处理

• Mysql：适合千万以上大规模数据的处理

对了，其实你在Python中可以使用mysql的，有一个专门的sdk接口-pymysql，可以支持python连接mysql，不管是查询、建表、插入数据等都可以实现。