Polars 是快多一个使用 Apache Arrow 列格式作为内存模型，用Rust实现的据处，在Rust,理库 Python以及Node.js中均可使用的速度极快的数据帧库。

它有以下几个特点：

了解更多内容可以点击这个 用户指南 。据处

Python代码示例>>> df = pl.DataFrame(

... {

... "A": [1,理库 2, 3, 4, 5],

... "fruits": ["banana", "banana", "apple", "apple", "banana"],

... "B": [5, 4, 3, 2, 1],

... "cars": ["beetle", "audi", "beetle", "beetle", "beetle"],

...}

... )

# embarrassingly parallel execution

# very expressive query language

>>> (

... df

... .sort("fruits")

... .select(

... [

... "fruits",

... "cars",

... pl.lit("fruits").alias("literal_string_fruits"),

... pl.col("B").filter(pl.col("cars") == "beetle").sum(),

... pl.col("A").filter(pl.col("B") > 2).sum().over("cars").alias("sum_A_by_cars"), # groups by "cars"

... pl.col("A").sum().over("fruits").alias("sum_A_by_fruits"), # groups by "fruits"

... pl.col("A").reverse().over("fruits").alias("rev_A_by_fruits"), # groups by "fruits

... pl.col("A").sort_by("B").over("fruits").alias("sort_A_by_B_by_fruits"), # groups by "fruits"

... ]

... )

... )

shape: (5, 8)

┌──────────┬──────────┬──────────────┬─────┬─────────────┬─────────────┬─────────────┬─────────────┐

│ fruits ┆ cars ┆ literal_stri ┆ B ┆ sum_A_by_ca ┆ sum_A_by_fr ┆ rev_A_by_fr ┆ sort_A_by_B │

│ --- ┆ --- ┆ ng_fruits ┆ --- ┆ rs ┆ uits ┆ uits ┆ _by_fruits │

│ str ┆ str ┆ --- ┆ i64 ┆ --- ┆ --- ┆ --- ┆ --- │

│ ┆ ┆ str ┆ ┆ i64 ┆ i64 ┆ i64 ┆ i64 │

╞══════════╪══════════╪══════════════╪═════╪═════════════╪═════════════╪═════════════╪═════════════╡

│ "apple" ┆ "beetle" ┆ "fruits" ┆ 11 ┆ 4 ┆ 7 ┆ 4 ┆ 4 │

├╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┤

│ "apple" ┆ "beetle" ┆ "fruits" ┆ 11 ┆ 4 ┆ 7 ┆ 3 ┆ 3 │

├╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┤

│ "banana" ┆ "beetle" ┆ "fruits" ┆ 11 ┆ 4 ┆ 8 ┆ 5 ┆ 5 │

├╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┤

│ "banana" ┆ "audi" ┆ "fruits" ┆ 11 ┆ 2 ┆ 8 ┆ 2 ┆ 2 │

├╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌┤

│ "banana" ┆ "beetle" ┆ "fruits" ┆ 11 ┆ 4 ┆ 8 ┆ 1 ┆ 1 │

Polars速度非常快，事实上，快多它是据处目前性能最好的解决方案之一。具体可参见 h2oais db基准测试结果 。理库

此处我们自己用一些示例代码来对比python中pandas和polars处理数据的快多速度差距。

import pandas as pd

import polars as pl

import timeit

# 读取时间对比

start_df = timeit.default_timer()

df = pd.read_csv("/Users/lenskit/Desktop/aa.csv")

df = df.sort_values("company_name",据处 ascending=False).head()

stop_df = timeit.default_timer()

print(time: , stop_df - start_df)

start_pl = timeit.default_timer()

data = pl.read_csv("/Users/lenskit/Desktop/aa.csv")

data.sort(by="company_name", reverse=True).head()

stop_pl = timeit.default_timer()

print(time1: , stop_pl - start_pl)

# 纵向拼接时间对比

start_df1 = timeit.default_timer()

df_1 = pd.read_csv(/Users/lenskit/Desktop/aa.csv)

df_2 = pd.read_csv(/Users/lenskit/Desktop/bb.csv)

df_1.append(df_2, ignore_index=True)

stop_df1 = timeit.default_timer()

print(time2: , stop_df1 - start_df1)

start_pl1 = timeit.default_timer()

pl_1 = pl.read_csv(/Users/lenskit/Desktop/aa.csv)

pl_2 = pl.read_csv(/Users/lenskit/Desktop/bb.csv)

pl_1.vstack(pl_2)

stop_pl1 = timeit.default_timer()

print(time3: , stop_pl1 - start_pl1)

time: 5.088931238

time1: 0.8967700230000002

time2: 4.707102063

可以看到在读取文件上，polars比pandas速度快了5倍多，理库在数据纵向拼接上，快多polars比pandas快了有7倍多。据处

用如下语句安装最新的免费信息发布网理库polars版本：

目前polars的更新频率很高（每周/每隔几天），所以最好定期更新一下polars来获得最新的错误修复/功能。

您可以从 http:// crates.io 获取最新版本，或者如果你想使用最新的功能/性能改进，可以用如下命令指向版本的master分支。

注意需要Rust version >=1.58

想知道Polars支持的所有功能吗？阅读文档！

Python

Rust

Node

如果你想要获取最前沿的版本或最大的性能，你应该从源代码编译Polar。

这可以通过按顺序执行以下步骤来完成：

需要注意的是，Python实现的Rust crate被称为 py-polars​ ，以区别于Rust crate包 polars​ 本身。然而，Python包和Python模块都被命名为 polars​ ，所以你可以 pip install polars​ 和 import polars 。

Polars已经转移到 arrow2​ 。Arrow2是 Apache Arrow Columnar Format 更快、更安全的实现。Arrow2还具有更细粒度的代码库，有助于减少编译器膨胀。