Python candas转换BLF至CSV效率低下，求最优替代方案

基于candas的核心优化方案 #

• 只加载目标信号：跳过无关信号的解析，直接过滤出需要的AVGcellTemperature，大幅减少数据处理量

import candas as cd

db = cd.load_dbc("dbc_folder")
# 仅加载指定信号，避免处理冗余数据
log = cd.from_file("my_file.blf", signals=["AVGcellTemperature"])
# 直接转存为CSV
log.to_csv("output.csv", index=False)

• 分块处理大文件：针对超大BLF文件，采用分块读取+逐块写入的方式，避免内存过载拖慢速度

import candas as cd

db = cd.load_dbc("dbc_folder")
# 开启分块模式，chunksize根据内存情况调整（示例为1万条/块）
chunk_iterator = cd.from_file("my_file.blf", chunksize=10000)

# 逐块写入CSV，第一块写入表头，后续块追加内容
is_first_chunk = True
for chunk in chunk_iterator:
    chunk.to_csv("output.csv", mode="a", header=is_first_chunk, index=False)
    is_first_chunk = False

• 优化DBC加载：如果dbc_folder包含多个DBC文件，只加载与AVGcellTemperature信号相关的文件，避免不必要的解析开销

高性能替代方案（换库提速） #

如果candas的性能瓶颈无法突破，可以尝试更轻量高效的cantools库：

import cantools
import pandas as pd
from can import BLFReader

# 加载目标DBC文件
db = cantools.database.load_file("target_dbc.dbc")
# 获取包含目标信号的CAN消息ID
target_msg_id = db.get_message_by_name("your_message_name").frame_id

signals_records = []
# 流式读取BLF并解析目标信号
with BLFReader("my_file.blf") as reader:
    for msg in reader:
        if msg.arbitration_id == target_msg_id:
            decoded_data = db.decode_message(msg.arbitration_id, msg.data)
            signals_records.append({
                "timestamp": msg.timestamp,
                "AVGcellTemperature": decoded_data["AVGcellTemperature"]
            })

# 转存为CSV
pd.DataFrame(signals_records).to_csv("output.csv", index=False)

注：将your_message_name替换为包含AVGcellTemperature信号的CAN消息名称

内容的提问来源于stack exchange，提问作者Hello Hai