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…。
为什么 macOS 并不差,可市场总敌不过 Windows?
联想 128GB 超大内存迷你 AMD 主机上架,此款主机有哪些亮点?
有哪些新生代没见过或者无法理解的 Windows 95/98 时代的事情?
如果将几百核心的服务器 CPU 当作 GPU 使用,会发生什么?