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/}
为什么成功人士的精力都非常旺盛？ 
做数据库内核开发的是不是很少？ 
穿瑜伽裤爬山的女生会不会害羞？ 
普通人的电脑配置到底是什么水平? 
不同公司的云服务器在使用上差别大么？ 
男女宇航员怎么解决生理需求？ 
什么是 AI Agent（智能体）？ 
为什么电信运营商们肯拼命加下行带宽，却对上行严防死守? 
目前最具性价比的全栈路线是啥？ 
普通用户能体会到 CPU 的性能差距吗？ 
MacOS真的比Windows流畅吗？ 
怎么学习前端开发？求推荐学习路线？ 穿瑜伽裤爬山的女生会不会害羞？ 
穿了瑜伽裤真的舒服吗? 
AI如何辅助编程？ 你在你男/女朋友的手机里发现过什么秘密？ 
