python实现百万级大数据处理后引发对数字化建造的思考？

        最近在工作中一直在思考数字化智能建造，既然谈起“数字化“，顾名思义数字的作用就不言而喻了。对于施工现场而言，数

字化中的"数字"的来源可以通过手工录入、传感器导入，但是更多还是施工人员手工录入数据为主。数据录入后，会通过各种平

台汇总统计后，呈现在我们的面前；但是，问题来了，如何将海量的数据通过各种索引、连接、算法等方式将百万级体量的数据

中提炼出有用的数据或是一些规律性的数据，往往这些数据可以对决策提供有利的数据支持，同时也可以从海量数据中发现业务

中的规律，我觉得这是数字化的一个非常重要的体现。数字化建造非一日之功，也非一时之功，除了需要清晰的战略规划、领导

者支持，更需要大家的共同参与方能完成这一目标！

举例：（编程实现）下面我会通过python编写代码，实现100万行数据中抽取满足一定条件的数据。

业务需求：在一张数据表中，具有100万行数据，同时具有四列，我需要根据A列数据中索引提交，求得C列相应的数据，并自动

实现复制粘贴到新数据表中。

目标：通过对海量大数据进行处理，对大数据分析处理后，可以发现规律性数据，从而可以对工作方式，工作方法等进行改进升级、也可以对管理者决策提供数据支持。

实现代码:

# Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
# 以下截取部分代码
import pandas as pd
import xlrd

path = 'c:2.xlsx'  # 文件路径
data = pd.DataFrame(pd.read_excel(path))  

result = data.loc[data['DisplayName'] == '轴-02-YX']    # 定位数据后，存为list信息
list_row = []
list_row = result['DataValue']  # 数据处理后提炼出需要的数据
list_row.to_excel('c:4.xlsx', encoding='utf-8', index=False)  # 自动运维

因水平有限，存在不对的地方希望大家能够批评指正。