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/}
明明波轮洗衣机清洗得更干净，为啥越来越多的人却买滚筒洗衣机？ 
支撑了我四年学费的男朋友，现在该分手吗? 
黄一鸣为什么敢承认孩子是王思聪的？ 
有什么好用的连点器,可以录制屏幕那种,免root权限？ 
贫困生买Mac mini m4有错吗？ 
商业史上有哪些降维打击的经典案例？ 
你们的腰突是怎么突然好的？ 
男性看不了女性生产场面吗？ 
雷军为什么不愿意用性价比打法进军NAS？ 
成都石室中学一群学生自发举行的汉服舞台剧节目在网络上得到了好评，该如何评价学生们的自发汉服表演活动？ 
FastApi性能是否真的接近Go? 
现在个人开发ios还有机会吗？ 
什么是防抖和节流？有什么区别？如何实现？ 
为什么不用rust重写Nginx？ 商业史上有哪些降维打击的经典案例？ 为什么 Windows 没有比较成熟的第三方桌面环境（explorer.exe）？ 
