polars几乎全线碾压pandas，尤其是在大型数据集的情况下，性能的提升很高。
不足的是目前一些用户层面的生态还是依赖于pandas。
不过这个不是什么大问题，毕竟python开发层面为了高效基本都是操作ndarray。
最大的优点就是小数据集到大数据集的性能开销很平滑，兼顾了各种场景下的功能与性能的综合考量。
下面是在不同数据量、不同周期下对tick数据进行处理，numba+ndarray和基于polars方案性能对比，涉及到的操作包括时间格式转…。
上一篇 : 人为什么需要睡觉？人睡觉的时候身体都在做什么？
下一篇 : 黑客为什么可以做到无需知道源码的情况下找出系统漏洞？
能分享一下你写过的rust项目吗？...
自己组一个E5服务器才几百块钱，为什么去阿里云租这么贵?...
我国的“斤”用了上千年，为何和国际接轨后，恰好是500克？...
家里有了孩子狗狗吃醋老吓唬孩子，要不要把狗狗卖掉？...
