Publiqué esta pregunta porque me preguntaba si hice algo terriblemente mal para obtener este resultado.

Tengo un archivo csv de tamaño mediano y traté de usar numpy para cargarlo. Para ilustrar, hice el archivo usando python:

import timeit
import numpy as np

my_data = np.random.rand(1500000, 3)*10
np.savetxt('./test.csv', my_data, delimiter=',', fmt='%.2f')

Y luego, probé dos métodos: numpy.genfromtxt, numpy.loadtxt

setup_stmt = 'import numpy as np'
stmt1 = """\
my_data = np.genfromtxt('./test.csv', delimiter=',')
"""
stmt2 = """\
my_data = np.loadtxt('./test.csv', delimiter=',')
"""

t1 = timeit.timeit(stmt=stmt1, setup=setup_stmt, number=3)
t2 = timeit.timeit(stmt=stmt2, setup=setup_stmt, number=3)

Y el resultado muestra quet1 = 32.159652940464184, t2 = 52.00093725634724.
Sin embargo, cuando intenté usar matlab:

tic
for i = 1:3
    my_data = dlmread('./test.csv');
end
toc

El resultado muestra: el tiempo transcurrido es3.196465 segundos.

Entiendo que puede haber algunas diferencias en la velocidad de carga, pero:

Esto es mucho más de lo que esperaba;¿No es que np.loadtxt debería ser más rápido que np.genfromtxt?No he probado el módulo csv de Python porque cargar archivos csv es algo muy frecuente que hago y con el módulo csv, la codificación es un poco detallada ... Pero me encantaría probarlo si esa es la única manera . Actualmente me preocupa más si soy yo haciendo algo mal.

Cualquier entrada sería apreciada. ¡Muchas gracias por adelantado!