例如，我们可以创建一个类来用scikit-learn的API包装Polars代码。然后，在转换为numpy以用于机器学习模型之前，我们可以尽可能长时间地保持在快速且内存高效的Polars和ApacheArrow组合中。让我们看看在Polars中进行一些这样的预处理是否值得。简单示例：我们有一个包含100,000行和100列的数据框，并希望对每个列进行最小-最大缩放。在最近的时间里，我将探索在Pol

例如，如果在一个可以提前完成的查询后期进行过滤（从而减少处理的数据量），那么Polars查询优化器将在查询中前移过滤器。更好的是，如果对存储在云中的Parquet数据应用过滤器，Polars就会尝试在数据通过网络传输之前在云存储层中应用这些过滤器。在Pandas中，聚合的输出可以是一个Series，而在Polars中，它总是一个DataFrame。如果输出是Pandas中的一个Series，则会存