duckdb在数据分析上，有非常多不错的特质。1、快；2、客户体验好，特别是可以同时批量读csv（在一个目录下的csv等文件）。polars的性能比pandas有非常多的超越。但背后的一些基于arrow的技术栈有很多相同之类。今天想比较一下两者在csv数据读写的情况。
一、文件准备
csv样本内容，是N行9列的csv标准格式，有字符串，有浮点数，有整型。具体如下：
本次准备了两个csv文件，一个大约是2.1万行、9列；一个是64万行、9列；模式完全一样。更大的类似百万行或千万行的数据目前暂不比较。这种数据量级较少。
二、toml文件
[package]
name = "my_duckdb"
version = "0.1.0"
edition = "2021"# See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html[dependencies]
duckdb = { version = "0.10.2", features = ["bundled"] }
polars = {version ="0.39.0"}
三、main.rs
use duckdb::{arrow::{record_batch::RecordBatch, util::pretty::print_batches},Connection, Result,
};
use polars::prelude::*;
use std::time::Instant;
fn main() {let time0 = Instant::now();//test.csv:2w行；test2.csv:64w行let csvs = ["test.csv","test2.csv"]; for csv in csvs{println!("-----------{:?}-------------",csv);duckdb_read_csv(csv).unwrap();polars_read_csv(csv);println!("-----------{:?}-------------",csv);}println!("duckdb和polars读文件共花:{:?}秒！",time0.elapsed().as_secs_f32());}
fn duckdb_read_csv(filepath:&str) ->Result<()> {let duckdb_csv_time = Instant::now();let db = Connection::open_in_memory()?;let sql_format = format!("SELECT * from read_csv('{}');",filepath);let rbs: Vec<RecordBatch> = db.prepare(&sql_format)?.query_arrow([])?.collect();// 批量打印//print_batches(&rbs).unwrap();assert!(rbs.len()>0);println!("duckdb取出的行数：{:?} 列数:{:?}",rbs[0].num_rows(),rbs[0].num_columns());println!("duckdb 读csv花时： {:?} 秒！", duckdb_csv_time.elapsed().as_secs_f32());let _ = db.close();Ok(())
}fn polars_read_csv(filepath:&str){let polars_csv_time = Instant::now();let df = CsvReader::from_path(filepath).unwrap().has_header(true).finish().unwrap();println!("polars读出csv的行和列数：{:?}",df.shape());println!("polars 读csv 花时： {:?} 秒！", polars_csv_time.elapsed().as_secs_f32());
}
四、输出
-----------"test.csv"-------------
duckdb取出的行数：2048 列数:9
duckdb 读csv花时： 0.032244585 秒！
polars读出csv的行和列数：(21357, 9)
polars 读csv 花时： 0.006511025 秒！
-----------"test.csv"-------------
-----------"test2.csv"-------------
duckdb取出的行数：2048 列数:9
duckdb 读csv花时： 0.1279175 秒！
polars读出csv的行和列数：(640710, 9)
polars 读csv 花时： 0.02369589 秒！
-----------"test2.csv"-------------
duckdb和polars读文件共花:0.19441628秒！结论：从上面的样本来看，分别用duckdb和polars来读csv两个不同大小的文件，polars有优势。当然，也可能是duckdb库封装的问题，也可能是文件大小不同，测试代表性还不全。谨供参考！
五、问题
从输出可以明显看出，duckdb库读出来的num_rows是有问题的。这个问题还待查实。从print_batches(&rbs).unwrap()，打印出来的内容来看，并没有少。
