Pandas 处理数据太慢，来试试 Polars 吧！

作者 | 小F责编 | 欧阳姝黎

大家好，我是小F～

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(www.derL.cn)。

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，小F就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polars

pip install polars -i https://mirror.baidu.com/pypi/simple/

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。

importpandas aspd

df = pd.read_csv( 'users.csv')

print(df)

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。

importpandas aspd

df = pd.read_csv( 'fake_user.csv')

print(df)

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。

4月23日晚8点，欢迎来到CSDN直播间，与资深行业专家雷明老师一起探讨机器学习所必须掌握的数学知识。

☞ Android 12 新版本泄露，隐私安全可媲美 iOS 系统？ ☞ 小米科技因著作权纠纷案被法院强制执行；维权女车主丈夫：特斯拉侵犯隐私，撤销数据并道歉；明尼苏达大学回应被封杀|极客头条 ☞ 为了写论文给 Linux “投毒”，导致整个大学都被 Linux 拉黑！