任何数据分析工作流程中的首要任务就是简单地读取数据，而这绝对必须快速而有效地完成，这样才能开始更有趣的工作。在许多行业和领域中，CSV文件格式都是存储和共享表格数据的主要工具。快速而强大地加载CSV是至关重要的，并且必须在各种文件大小，数据类型和形状之间很好地扩展。这篇文章比较了在三个不同的CSV解析器中读取8个不同的真实数据集的性能：R的fread，Pandas的read_csv和Julia的CSV.jl，每个库都被选为“同类最佳” CSV解析器。
多线程对于实现当今计算机的最佳性能至关重要，但是只有一种语言（Julia）能够始终如一地有效使用多个内核。
基准测试表明，即使在限制单个内核的情况下，Julia的CSV.jl也比Pandas快1.5至5倍；启用多线程后，速度可以提高20倍以上。R的fread支持多线程，因此更具竞争力，但在许多数据集中，它仍然比Julia落后10倍或更多。用于基准测试的工具是用于Julia的BenchmarkTools.jl，用于R的microbenchmark和用于Python的timeit。
详细分析点击标题进入原文