Repolode
Предложить
pola-rs

pola-rs/polars

Быстрый движок запросов к DataFrame на Rust с привязками для Python, Node.js, R, Rust и SQL.

Open source альтернатива:pandas

Открыть на GitHubСайт
Звёзды
40,274
Форки
3,221
Открытые issues
2,953
Последний коммит
24 часа назад

Что это?

Polars — аналитический движок запросов к DataFrame, написанный на Rust. Он поддерживает ленивое и немедленное выполнение, а перед запуском ленивые запросы оптимизируются для работы на всех доступных ядрах CPU. Потоковый движок обрабатывает наборы данных, превышающие доступный объём памяти, выполняя запрос по частям.

API построен на комбинируемых выражениях: преобразования вроде фильтрации, группировки, агрегации и сортировки можно объединить в один запрос. Данные хранятся в колоночном формате Apache Arrow, что позволяет передавать их другим инструментам на базе Arrow без копирования. Возможности расширения обеспечивают плагины ввода-вывода и выражений, а опциональный GPU-бэкенд ускоряет запросы на оборудовании NVIDIA.

Доступны привязки для Python, Rust, Node.js, R и SQL. Проект можно установить через pip, npm, crates.io и систему пакетов R.

Ключевые возможности

  • 01Ленивое и немедленное выполнение со встроенной оптимизацией запросов
  • 02Потоковый движок для наборов данных, превышающих доступный объём RAM
  • 03Многопоточное векторизованное выполнение
  • 04API на основе выражений для составления сложных запросов
  • 05Колоночный формат Apache Arrow для передачи данных без копирования
  • 06Опциональное ускорение на GPU NVIDIA и пользовательские плагины ввода-вывода или выражений

Сценарии использования

  • Анализ больших файлов Parquet или CSV, которые не помещаются в память одной машины
  • Замена медленных сценариев на pandas более быстрыми фильтрами и группировкой с агрегацией
  • Создание конвейеров обработки данных на Rust или Node.js, которым нужен движок DataFrame
  • Выполнение масштабируемых запросов с возможностью расширения на кластер

Быстрый старт

  1. 1

    Установите Polars для Python с помощью pip

    pip install polars
  2. 2

    Выполните отложенный запрос к файлу Parquet (замените orders.parquet именем своего файла)

Что важно знать

  • Установка для Python — самый простой вариант; для сборки из исходного кода потребуются инструментарий Rust и maturin.

Темы

#dataframe#query-engine#rust#python#data-processing#arrow#columnar#analytics#dataframe-library#dataframes

Частые вопросы

Что такое polars?
Быстрый движок запросов к DataFrame на Rust с привязками для Python, Node.js, R, Rust и SQL. Polars — аналитический движок запросов к DataFrame, написанный на Rust. Он поддерживает ленивое и немедленное выполнение, а перед запуском ленивые запросы оптимизируются для работы на всех доступных ядрах CPU. Потоковый движок обрабатывает наборы данных, превышающие доступный объём памяти, выполняя запрос по частям.
polars можно использовать бесплатно? Какая у него лицензия?
polars распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
polars всё ещё поддерживается?
Активно поддерживается. Последний коммит в polars — 6 нояб. 2026 г..
Для чего можно использовать polars?
Анализ больших файлов Parquet или CSV, которые не помещаются в память одной машины Замена медленных сценариев на pandas более быстрыми фильтрами и группировкой с агрегацией Создание конвейеров обработки данных на Rust или Node.js, которым нужен движок DataFrame Выполнение масштабируемых запросов с возможностью расширения на кластер
Как установить polars?
Установите Polars для Python с помощью pip: pip install polars Выполните отложенный запрос к файлу Parquet (замените orders.parquet именем своего файла)
Где скачать polars?
Исходный код и инструкции по установке — на GitHub: https://github.com/pola-rs/polars

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

apache / datafusion-comet

Ускоритель Apache Spark, выполняющий операторы Spark SQL и DataFrame над колоночными данными Apache Arrow с помощью движка на Rust и DataFusion — без изменений кода.

Данные и аналитика#spark#arrow#datafusion
1,3 тыс.+9 за неделю413ScalaApache-2.0Обновлён вчера