如何减少在Julia中打开大型csv文件所需的时间(使用csv和DataFrames)?

我是一个 R 用户对 Julia 朱莉娅 website of US government 下载了 College Scorecard 数据集。我试图在中读取一个“csv”文件 Juno

using CSV
using DataFrames

@time df = CSV.read("/Path/to/Most-Recent-Cohorts-Scorecard-Elements.csv", rows_for_type_detect = 7175);

我得到以下输出:

212.333866 seconds (43.84 M allocations: 2.244 GiB, 0.25% gc time)

rows_for_type_detect = 7175 this other question 为什么会发生这种事

在中执行相同操作时

start_time <- Sys.time()
df_try = read.csv("/Path/to/Most-Recent-Cohorts-Scorecard-Elements.csv")
end_time <- Sys.time()
end_time - start_time

Time difference of 0.3337972 secs

有没有一种方法可以更有效地读取 朱莉娅

主要编辑

正如@BogumiKamiski所指出的 R 和 对于这个特殊的任务 使用最新版本的 朱莉娅 CSV . 所以,请阅读我上面的留言(我坦率地说,我犹豫了一下,不想简单地删除它)并阅读博古米·卡米斯基(Bogumi Kamiski)的评论!感谢所有利用空闲时间来构建和改进一种奇妙的语言的开发者 朱莉娅 免费!

现在表演的时候

@time df = CSV.read(joinpath("/path/to/file.csv"))

这是结果

0.184593 seconds (223.44 k allocations: 5.321 MiB)

太棒了!谢谢@Bogumi Kamiski!