百万数据在Excel、SQL与Python中的处理效率

村长今天主要想跟大家分享测试一下100万行的数据在Excel、SQL与Python中的处理效率有多大的差异，如下图所示：

我们根据销售日期和客户名称两个维度统计2020年1月和2月的销售金额，看一下如何分别在Excel、SQL与Python中处理，且处理效率如何。

1、Excel处理

函数公式：

=SUMPRODUCT((TEXT(数据!$A$2:$A$1000001,"YYYY-MM")=A2)*(数据!$B$2:$B$1000001=B2),数据!$C$2:$C$1000001)

公式计算完成时间：2分20秒

2、SQL处理

SQL语句：

SELECT TO_CHAR(XSRQ,'YYYY-MM') 销售月份,KHMC 客户名称,SUM(XSJE) 销售金额 FROM MY_SALE

WHERE 1=1

AND (TO_CHAR(XSRQ,'YYYY-MM') = '2020-01' OR TO_CHAR(XSRQ,'YYYY-MM') = '2020-02')

GROUP BY TO_CHAR(XSRQ,'YYYY-MM'),KHMC

ORDER BY TO_CHAR(XSRQ,'YYYY-MM'),INSTR('甲,乙,丙,丁,戊,己,庚,辛,壬,癸',KHMC)

SQL计算完成时间：0.574秒

3、Python处理

Python代码：

numpy np
pandas pd
time
datetime
start = time.time()
df=pd.DataFrame(pd.read_excel())
df1 = df.loc[(df[] >= ) & (df[] <= ), [,,]]
df1[] = df[].apply(x: datetime.datetime.strftime(x,))
df2 = df1.groupby([,])[].sum()
end = time.time()
elapsed = (end - start)
(+(elapsed) + )
(df2)

代码执行完成时间：55秒

通过对100万数据的多维度汇总求和我们发现，在数据库中用SQL计算效率是最高的，用时仅不到1秒钟，Excel的计算效率是最低的，两分多钟，很多时候我们甚至会以为Excel已经崩溃了（电脑配置差一点的Excel已经挂掉了），而Python的计算效率也不高，55秒，这是因为Python需要从Excel表中读取100万行的数据然后再用读取到的数据进行分析，而且无论是Excel还是SQL其实在处理数据时都有很大的局限性，想要了解更多Excel、SQL与Python对于数据的处理方法，可以继续关注村长的微信公众号，让村长与你一起共同学习，共同进步！