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/}
有哪些支持kvm功能的显示器？ 
Windows有哪些神级软件？ 
j***aer总是说有分布式了，单体性能就不重要了，这种说法对吗？ 
为什么有些NAS用户弄那么多硬盘? 
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？ 
怎么看待三十而已里说的养鱼让人玩物丧志，养鱼是魔鬼，是黑洞，养鱼毁三代鱼缸毁一生的话? 
在NAS上安装了什么应用，让你的生活体验有了巨大的提升？ 
全面禁掉游戏是否能让学生成绩变得更好? 
你们学校的校花都是怎么样的？ 
你怎么看待剪映收费过高问题？ 
为什么用 electron 开发的桌面应用那么多？ 
为什么说J***a21的虚拟线程不再有阻塞的问题？ 
MongoDB的缺点以及你为什么不使用MongoDB？ 
Node.js是谁发明的? 
开发了一个App，上线之后一个用户也没有怎么办? 普通家庭对孩子最好的托举是什么呢？ 
