Python 3.x 为xml对象创建csv需要花费太多时间

我有一个需要写入文件的xml对象。我发现这需要1个多小时才能完成10000条记录。我尝试使用

df_merge['xml']=df_merge['xml']进行转换。astype（str）

。所用的时间与此相似，即超过1小时，只是

astype（str）

需要更多的时间。因此，无论发生什么情况，完成

到\u csv

都需要1个多小时。 那么，我能知道如何快速地将大型xml对象写入文件吗？ 10000个XML的大小约为600 MB

df_merge.to_csv(settings.OUTPUT_XML, encoding='utf-8', index=False,
                columns=['xml'])

后来我尝试使用

np.savetxt

，这也需要类似的时间

import numpy as np
np.savetxt('output_xml.txt', df_merge['xml'], encoding='utf-8', fmt="%s")

你可以考虑使用。这是一个很好的库，或者其他常见的序列化工具，如

在您的情况下，您可能能够使用下面的一些示例代码序列化您的对象，并且这样做的时间要长得多：

# Import joblib's dump function
from joblib import dump

# For speed, keep compression = 0
dump(df_merge, 'df_merge.joblib')

# For smaller file size, you can increase compression, though it will slow your write time
# dump(df_merge, 'df_merge.joblib', compress=9)

然后可以使用

joblib

加载文件，如下所示：

# Import joblib's load function
from joblib import load

# For speed, keep compression = 0
# Note, if you used compress=n, then it will take longer to load
df_merge = load('df_merge.joblib')