pandas vs spark：数据读取篇

Pandas和Spark都是用于数据处理的工具，但它们在数据读取方面有一些不同。Pandas是一个基于Python的数据处理库，适用于小型数据集的处理，而Spark是一个分布式计算框架，适用于大型数据集的处理。

在数据读取方面，Pandas可以读取多种格式的数据，如CSV、Excel、SQL、JSON等，而Spark可以读取的数据源更加丰富，包括HDFS、Hive、JDBC、JSON、Avro、Parquet等。此外，Spark还可以通过Spark Streaming实时读取数据。

另外，Pandas是单线程的，只能在单台机器上运行，而Spark可以在集群上运行，可以通过分布式计算来加速数据处理。

综上所述，Pandas适用于小型数据集的处理，而Spark适用于大型数据集的处理，并且Spark具有更加丰富的数据读取能力和分布式计算能力。