与python2相比，python3的csv写入速度较慢，而pandas的csv写入速度较慢

有人能解释一下为什么在使用python解释器3而不是2时，使用pandas方法写入csv文件会慢一些吗？从pandas文档中，我发现默认编码是python3=utf-8和python2=ascii，这是我发现的唯一区别。但这并不能解释时间上的巨大差异，因为即使我在python3中将编码参数encoding='ascii'赋给to_csv，结果仍然慢得多

我将spyder与anaconda一起使用，我的数据帧约为80万行，共6列，数据类型为：datetime64[ns]、float64、int64、float64、float64、float64

在这两种python环境中，我都安装了pandas 0.22.0版本。Numpy版本也一样，它们是1.14.0。我还在Windows10中运行这些脚本

使用python-2.7：

start = timer()   
df.to_csv(path, index = False, date_format = '%Y-%m-%d %H:%M:%S')
time = timer() - start
87.6402205

start = timer()   
df.to_csv(path, index = False, date_format = '%Y-%m-%d %H:%M:%S', encoding = 'utf-8')
time = timer() - start
118.808225

使用pyton-3.5

start = timer()   
df.to_csv(path, index = False, date_format = '%Y-%m-%d %H:%M:%S')
time = timer() - start
149.52978580000004

start = timer()   
df.to_csv(path, index = False, date_format = '%Y-%m-%d %H:%M:%S', encoding = 'ascii')
time = timer() - start
138.72526400000015

---

这是什么原因？我是否需要在python3中提供一个特定的浮点格式，默认情况下它与使用python2时不同？

我也遇到过

to_csv

花费大量时间而没有明显解释的问题。