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…。
美军航母编队有能力拦截DF-21D和DF-26吗?
如何向别人解释“有你这写脚本的时间,我早就一个一个做完了”?
新买的移动硬盘该格式化为 NTFS 还是 exFAT?
为什么国人普遍不接受月付的订阅制而喜欢一口价买断制呢?