很多人在学习数据分析的时候，肯定都会用到Pandas这个库，非常的实用！,从创建数据到读取各种格式的文件(text、csv、json)，或者对数据进行切片和分割组合多个数据源，Pandas都能够很好的满足。,Pandas最初发布于2008年，使用Python、Cython和C编写的。是一个超级强大、快速和易于使用的Python库，用于数据分析和处理。,当然Pandas也是有不足之处的，比如不具备多处理器，处理较大的数据集速度很慢。,今天给大家介绍一个新兴的Python库——Polars。,使用语法和Pandas差不多，处理数据的速度却比Pandas快了不少。,一个是大熊猫，一个是北极熊～,GitHub地址：https://github.com/ritchie46/polars,使用文档：https://ritchie46.github.io/polars-book/,Polars是通过Rust编写的一个库，Polars的内存模型是基于Apache Arrow。,Polars存在两种API，一种是Eager API，另一种则是Lazy API。,其中Eager API和Pandas的使用类似，语法差不太多，立即执行就能产生结果。,而Lazy API就像Spark，首先将查询转换为逻辑计划，然后对计划进行重组优化，以减少执行时间和内存使用。,安装Polars，使用百度pip源。,
,安装成功后，开始测试，比较Pandas和Polars处理数据的情况。,使用某网站注册用户的用户名数据进行分析，包含约2600万个用户名的CSV文件。,文件已上传公众号，获取方式见文末。,数据情况如下。,此外还使用了一个自己创建的CSV文件，用以数据整合测试。,得到结果如下。,首先比较一下两个库的排序算法耗时。,可以看到使用Pandas对数据进行排序，花费了大约28s。,Polars只花费了约10s，这意味着Polars比Pandas快了2.7倍。,下面，我们来试试数据整合的效果，纵向连接。,使用Pandas耗时15s。,Polars居然最使用了约3.5s，这里Polars比Pandas快了4.5倍。,通过上面的比较，Polars在处理速度上表现得相当不错。,可以是大家在未来处理数据时，另一种选择～,当然，Pandas目前历时12年，已经形成了很成熟的生态，支持很多其它的数据分析库。,Polars则是一个较新的库，不足的地方还有很多。,如果你的数据集对于Pandas来说太大，对于Spark来说太小，那么Polars便是你可以考虑的一个选择。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
