polars使用rust实现，内部使用arrow列存储格式，支持并行数据处理，比pandas快，分两种模式eager和lazy。
适合中、小型数据处理，大型数据建议用Spark。
安装
pip install polarsDataFrame
读取CSV
读取CSV并设置列名。
import polars as pl
# 读取CSV文件，返回DataFrame
df = pl.read_csv('data.csv', new_columns=["index", "id", "url"])查看前5条
# 提取前5条
print(df.head(5))排序
# 排序
print(df.sort("url", descending=True).head(5))查看列、行
# 查看列名
print(df.columns)
# 所有行
print(df.rows())行列数
# 行列数
print(df.shape)查看数据类型
# 查看数据类型
print(df.dtypes)空行数
# 空行数
print(df.null_count())过滤
# 过滤
print(df.filter(pl.col("index") == 1153))保存CSV
df.write_csv("1.csv")LazyFrame
使用Lazy接口可以优化查询，超过内存的数据量、提取发现类型错误。
import polars as pl
# 新建LazyFrame
lf = pl.scan_csv("data.csv", new_columns=["index", "id", "url"])
df = (lf.filter(pl.col("id") != 0) # 过滤数据
.map_batches(lambda x: x, streamable=True) # 应用函数，参数是dataframe类型
.collect(streaming=True)) # 执行
print(df.head()) # 查看结果参考
官网https://github.com/pola-rs/polars