发现一个用 Rust 重写的 Pandas 的替代品，支持 Python

[Baboonowen]

我看 V2 好像没有人讨论，就是这个 Polars，库的设计方式就是对标 Pandas 的，API 设计基本相同，稍微改改就能迁移。

我电脑上同样的任务只需要 20% 的 Pandas 完成时间，有图有真相：

你们可以自己在自己机器上也跑跑看，这是我的测试代码： https://github.com/reycn/polars-pandas-bench

[cocomiko]

看起来不错

[ila]

一直希望出个纯 go 或 rust 的人脸识别库

[psyer]

R 语言做这个是专业的

[Baboonowen]

@psyer R 我也会，也在磕盐用过，但是好多年没有用过了。

[Baboonowen]

@ila 听起来就不错

[jenlors]

好东西

[lambdaq]

Rust 有这功夫去把 R 重写了吧。。233

[rocmax]

@ila 我的理解模型使用的时候并不太吃资源吧，跟训练相比。所以应该是用 rust 重写 tensorflow 或者 pytorch ？

[liuxu]

正确的 rust 姿势

[qiuyue0]

明天试试

[dw2693734d]

Rust 语法劝退了，还是 go 香

[tanjoe]

@rocmax tensorflow 和 pytorch 的底层是 C++实现的，python 只是作为 binding ，改成 rust 对性能估计没啥提升

[nizoukai]

这种东西，更需要的是准确性吧，速度无所谓的，没有社区深度验证过的不敢用

[shinession]

感谢 OP 分享,第一次听说 Polars, pandas 天天用, 回头测试一下看如何

[yuhangch]

可以再来个，实现相关功能所需的时间🐶

[mepwang]

polar 使用了 apache arrow 格式进行内存数据组织，凡是使用这个思路的软件都快
这里
https://h2oai.github.io/db-benchmark/
有个十多个类似 pandas 软件的详细 benchmark ，可以看看哪几个速度快

[mepwang]

类似 pandas 的软件，表格数据在内存中都是按照行来保存，
但很多数据的存取是按列进行的，
apache arrow 的基本思路就是按列来组织数据，同一列的数据在内存中相邻存放，
因此在按列存取数据进行运算的时候速度会快很多

[FightPig]

晚点试下

[panggmai]

很早就发现这个库了，当初尝试过，具体问题是在读取大数据(csv 格式约 10G)，有时会出现一些错误，尤其是 某列是某些混合类型的，比如中间有 int,str,还有时间的，pandas 会直接识别成 object ，polars 会报错，指定类型时候没有找到怎么去写的

[NoOneNoBody]

@nizoukai #13
看谁用吧，速度也很重要的，开始到收市只有只有四小时，自动操盘的计算时间极短

@panggmai #19
混合类型其实不止这个库，很多并发的库也处理不好
例如 np.nan 是浮点型，但很多时候其他类型需要表示“无”也会用到，批量计算尤其涉及相互比较的移动计算 /groupby 等就很麻烦

[justou]

@mepwang 让我想起了我的入门语言 Fortran ，数组在内存中列连续。出了学校再也没用过了，现在语言内置的并行计算功能越来越完善了
https://coarrays.sourceforge.io/doc.html
https://github.com/tkoenig1/coarray-tutorial/blob/main/tutorial.md

[MonTubasa]

我现在公司项目就在用，还挺好用的，就是有问题经常搜不到答案，需要自己读源码。

[NoOneNoBody]

粗看了一下文档，似乎学习成本不低，方法虽然接近，但不少参数区别较大，熟悉了 pandas 的人脑子转弯不容易，不熟悉 pandas 的从 0 开始反而可能好一些

文档前面几页就没找到和 pandas 直接互换的方法，只有新建或者文档读取

[sadhen]

这个项目很赞的。

[ohayoo]

@panggmai 大佬，pandas 读大文件，为了内存友好，可以设置 chunksize 来分块读取，再 for 循环；请问下 polars 读大文件是怎么分块读取的？ n_rows 参数吗？ n_rows 参数我试过，列数一多就容易出问题，得自己写循环来弄，感觉不是特别理想的方式

[han777]

@rocmax Bagua, 一个 rust 写的 PyTorch 的深度训练加速框架

[aa2893785]

@MonTubasa 是 python 在用还是 rust 在用

[NoAnyLove]

看起来 pandas 2.0 也要用 arrow 格式，https://datapythonista.me/blog/pandas-20-and-the-arrow-revolution-part-i