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/}
陆奇为什么离开百度之后混得不乐观？ 
为什么在中国搞不出 Spark 和 Hadoop 这种东西？ 
switch模拟器是不是历史上唯一在主机当红时就几乎完美模拟器？ 
国产手机AI「好用」的背后，是技术差距还是文化差异？ 
同样的SoC，为什么至今仍然没人成功给iPad Pro装上macOS？ 
什么是 AI Agent（智能体）？ 
electron可以用来写大型游戏吗？ 
27寸显示器是否有必要到4K？ 
既然显卡发热量那么大，为什么不把热量收集利用起来，比如烧水和供暖？ 
如何看待俄罗斯军方 6 月 23 日凌晨向基辅方向发射了352架无人机和16枚“伊斯坎德尔”导弹？ 为什么大部分人都认为2560x1440是2K？ 
高分辨率时代，LCD拼接屏和LED屏怎么选？ 
吴柳芳的真实水平如何？ 
Golang 中为什么没有注解？ 
显示器选择 2k分辨率还是144hz刷新率？ 
雷军为什么不愿意用性价比打法进军NAS？ 
