导读：
1.打破R慢的印象，ETL效率显著优于Python，堪比spark，clickhouse
2.对比python中的datatable、pandas、dask、cuDF，R中data.table以及spark、clickhouse
3.探讨R中的ETL体系
ETL在数据工作中起着至关重要的作用，主要用途有两个：（1）数据生产（2）为探索性数据分析与数据建模服务。做过建模的小伙伴都知道，70%甚至80%的工作都是在做数据清洗；又如，探索性数据分析中会涉及到各种转置、分类汇总、长宽表转换、连接等。因此，ETL效率在整个项目中起着举足轻重的作用。而日常数据生产中，有时会牵扯到模型计算，一般以R、python为主，且1~G左右的数据是常态。基于此，于是想对比下R、Python中ETL的效率。目前已有研究
H2O团队一直在运行这个测试项目，其中：Python用到了:(py)datatable,pandas,dask,cuDF（moding.pandas在下文作者亲自测试了下）;R:data.table,dplyr;julia:DataFrames.jl;clickhouse;spark测试内容有groupby、join、sort等。测试数据长这样：废话不多说，先看部分结果的截图吧。5G数据50G数据详细报告见：