我有一个7gb的postgresql表，我想读入python并进行一些分析。我不能使用pandas，因为它比我本地机器上的内存大。因此，我想先尝试将表读入dask Dataframe ，执行一些聚合，然后切换回pandas进行后续分析。我使用了下面几行代码。

df = dd.read_sql_table('table_xyz', uri = "postgresql+psycopg2://user:pwd@remotehost/dbname", index_col = 'column_xyz', schema = 'private')

索引列即“column”在数据库中被索引。这是可行的，但当我执行一个操作（例如聚合）时，返回结果需要很长时间（比如一个小时）。

avg = df.groupby("col1").col2.mean().compute()

我知道dask的速度不如pandas快，所以当我在一台机器上工作而不是在集群上工作时。但是，我已经在一台内存充足的服务器上将同一个表读入pandas中，后续任务使用类似pandas的聚合要快得多。
我想知道我使用dask的方式是否正确？如果不是，那么使用python对不适合内存的大型表执行分析的更快方法是什么。