请问如何可以优化提升pandas的read_sql的速度呢？

Question

小弟的需求需要在多个数据库之间查询数据并关联，所以小弟选择了使用pandas，通过read_sql读取数据至dataframe加工后直接生成目标数据。但是目前遭遇了一个问题：read_sql的速度非常慢，例如，在oracle库中读取37W数据量（22个字段）的表至dataframe耗时需要4分半。代码如下：

import pandas as pd
import sqlalchemy as sql
ora_engine=sql.create_engine('oracle://test01:test01@test01db')
ora_df1=pd.read_sql('select * from target_table1',ora_engine)

耗时4分32秒

甚至小弟使用另外一个简单粗暴的方法都会比read_sql快很多。代码如下：

import pandas as pd
import sqlalchemy as sql
ora_engine=sql.create_engine('oracle://test01:test01@test01db')
conn=ora_engine.raw_connection()
cursor=conn.cursor()
queryset=cursor.execute('select * from target_table1')
columns=[for i[0] in queryset.description]
df_data=queryset.fetchall()
ora_df1=pd.DataFrame()
ora_df1.columns=columns
ora_df1.append(df_data)

耗时1分31秒

这里想请教一下各位大大，有什么方法可以优化提升pandas的read_sql的速度，非常感谢大家~

Answer 1

试试read_sql_table

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql_table.html#pandas.read_sql_table

Answer 2

我调用hive数据库的内容的时候，速度非常的慢，然后就替换成调用impala了，速度提升很快。

你再找找其他的连接接口，替换试试吧。

Answer 3

应该是你数据库的问题，我这边100万数据，30列。也就read_sql 35秒.
cursor.execute 31秒，没你那么夸张