polars几乎全线碾压pandas，尤其是在大型数据集的情况下，性能的提升很高。
不足的是目前一些用户层面的生态还是依赖于pandas。
不过这个不是什么大问题，毕竟python开发层面为了高效基本都是操作ndarray。
最大的优点就是小数据集到大数据集的性能开销很平滑，兼顾了各种场景下的功能与性能的综合考量。
下面是在不同数据量、不同周期下对tick数据进行处理，numba+ndarray和基于polars方案性能对比，涉及到的操作包括时间格式转…。
{dede:pagebreak/}
为什么手机动辄都 1T 存储了，为啥电脑还在死磕 512G 呢？ 
国外发达国家码农是真混得好么? 
亚洲体坛最漂亮的十位女运动员都有谁？ 
MiniMax Week第三天推出通用 Agent，体验如何？对行业会带来哪些影响？ 
美国登月到底是不是真的？ 
docker真的好难用啊，为什么说它移植性好啊？ 
鱼缸换水前为什么必须要困水？如果没条件困水怎么办？ 
golang总体上有什么缺陷？ 
平面设计主KV做成这样，在你的城市薪资一般多少？ 
中国的防空系统能有效防止B2、B21这类飞翼隐身战略轰炸机入侵吗？ 
国密加密算法有多安全呢？ 还完房贷后，生活真的变轻松吗？ 
PostgreSQL 与 MySQL 相比，优势何在？ 
什么语言最适合做 GUI？ 
央行行长潘功胜首次在公开场合谈及稳定币，稳定币是什么？有何深意？ 
很好奇，组NAS的玩家是如何解决上传速率的问题? 
