pola-rs/polars

O que é?

Recursos principais

• 01Execução lazy e eager com otimização de consultas integrada
• 02Mecanismo de streaming para conjuntos de dados maiores que a RAM disponível
• 03Execução vetorizada e multithread
• 04API baseada em expressões para compor consultas complexas
• 05Formato colunar Apache Arrow para compartilhamento de dados sem cópia
• 06Aceleração opcional por GPU NVIDIA e plugins personalizados de I/O ou de expressões

Casos de uso

• Analisar arquivos Parquet ou CSV grandes demais para caber na memória de uma única máquina
• Substituir fluxos de trabalho mais lentos com pandas por filtros e agregações agrupadas mais rápidos
• Criar pipelines de dados em Rust ou Node.js que precisam de um mecanismo de DataFrame
• Executar cargas de trabalho de consultas escaláveis que possam ser estendidas a um cluster

Início rápido

1. 1

   Instale o Polars para Python com pip

   pip install polars
2. 2

   Execute uma consulta lazy em um arquivo Parquet (substitua orders.parquet pelo nome do seu arquivo)

Antes de usar

• !A instalação para Python é a opção mais simples; compilar a partir do código-fonte requer a toolchain do Rust e o maturin.

Tópicos

Perguntas frequentes

O que é polars?

Um mecanismo rápido de consultas para DataFrames, escrito em Rust, com bindings para Python, Node.js, R, Rust e SQL. Polars é um mecanismo analítico de consultas para DataFrames, escrito em Rust. Ele oferece execução lazy e eager, e as consultas lazy são otimizadas antes de serem executadas em todos os núcleos de CPU disponíveis. Seu mecanismo de streaming pode processar conjuntos de dados maiores que a memória disponível, trabalhando em partes da consulta por vez.

polars é gratuito? Qual é a licença?

polars é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

polars ainda é mantido?

Manutenção ativa. O último commit de polars foi em 6 de nov. de 2026.

Para que posso usar polars?

Analisar arquivos Parquet ou CSV grandes demais para caber na memória de uma única máquina Substituir fluxos de trabalho mais lentos com pandas por filtros e agregações agrupadas mais rápidos Criar pipelines de dados em Rust ou Node.js que precisam de um mecanismo de DataFrame Executar cargas de trabalho de consultas escaláveis que possam ser estendidas a um cluster

Como instalar polars?

Instale o Polars para Python com pip: pip install polars Execute uma consulta lazy em um arquivo Parquet (substitua orders.parquet pelo nome do seu arquivo)

Onde consigo polars?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/pola-rs/polars