根据https://towardsdatascience.com/the-best-format-to-save-pandas-data-414dca023e0d的基准 它使用分类列作为字符串，数字列作为浮点数， 从镶木地板文件加载时，熊猫数据帧的读取速度应比从泡菜文件读取的速度快。
在以下用例中，我碰巧总是看到相反的情况：我只有一列具有固定数量字符的字符串，其中所有字符都可能在一行到另一行之间变化，这是这些字符串的示例：< / p>
./ 20/10 // 12 / 2010-10-12T02：38：47.09Z_blah0.fixedword1.fixedword2
其中除“ fixedword1”和“ fixedword2”以外的所有字符都从一行更改为下一行（这些变化的字符是从2010年到2018年的日期和时间，大约以1秒为增量（增量不是恒定的）。 / p>
在此数据框中，我大约有 1.3亿行。
数据帧由包含以下字符串的csv文件构造而成：
df = pd.read_csv(flist, names=['path_str'], dtype=object)
并另存为腌制和镶木地板文件：
parquet_f = os.path.join(parent_dir, 'df.parquet')
df.to_parquet(parquet_f, engine='pyarrow', compression=None)
pickle_f = os.path.join(parent_dir, 'df.pkl')
df.to_pickle(pickle_f)
为什么pickle的文件读取速度比parquet快了parquet 3亿行（具有此类字符串），却出现了相反的情况？
我通过设置相同的行数尝试了上面链接的基准测试，而{{1}}仍然持续更快。