Polars 和 Pandas 有什么区别？什么时候该换成 Polars？
面试怎么回答
Pandas 大部分操作单线程、立即执行，链式操作会产生很多中间结果，内存占用是数据的好几倍，apply 加 Python 函数还是逐行跑的。Polars 用 Rust 写、基于 Arrow 列式内存，默认多线程，支持惰性执行，先建查询计划再做谓词下推和列裁剪，只读需要的数据，数据比内存大时还能流式处理；API 是表达式风格，没有行索引，更像 SQL。我会在单机处理几 GB 到几十 GB、性能成为瓶颈的 ETL 里用 Polars；探索分析和依赖 Pandas 生态的地方继续用 Pandas，两者通过 Arrow 转换开销很小；数据超过单机就上 Spark。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
做数据开发的 Python 岗，面试官越来越常问 Polars：它为什么比 Pandas 快？你会怎么选？
Pandas 慢在哪
Pandas 是数据分析的事实标准，但它有一些历史包袱：
- 大部分操作是单线程的，几十核的机器也只用一个核；
- 立即执行（Eager）：每一步都马上算出完整的中间结果，链式操作会产生很多中间 DataFrame，内存占用常常是数据本身的好几倍；
- 传统上基于 NumPy，字符串等类型存成 Python 对象，又慢又占内存（Pandas 2.x 开始可以选用 Arrow 作为底层类型，有所改善）。
Polars 为什么快
Polars 用 Rust 写，底层是 Apache Arrow 列式内存格式：
- 默认多线程：分组、关联、排序等操作自动用满多核；
- 惰性执行（Lazy）+ 查询优化：用
pl.scan_parquet(...)和.lazy()时，Polars 先把整个操作链建成查询计划，做谓词下推、列裁剪等优化，只读需要的列和行，再一次执行； - 流式引擎：数据比内存大时，可以分批处理，不用一次全部装进内存；
- 表达式 API：
pl.col("amount").sum().over("user_id")这类写法可以被并行和优化，而 Pandas 里常见的apply加 Python 函数是逐行执行的，非常慢。
主要区别
| Pandas | Polars | |
|---|---|---|
| 执行方式 | 立即执行 | 立即执行和惰性执行都支持 |
| 并行 | 基本单线程 | 默认多线程 |
| 索引 | 有行索引（Index） | 没有索引，更像 SQL 表 |
| 生态 | 极其成熟，和各种库深度集成 | 较新，生态在快速追赶 |
怎么选
- 数据在几 GB 到几十 GB、单机处理、性能是瓶颈：换 Polars，往往能快好几倍，内存也省很多；
- 以探索分析为主，依赖大量 Pandas 生态（画图、统计库、老代码）：继续用 Pandas，需要时用
to_pandas()/from_pandas()两边转换（基于 Arrow，开销不大）； - 数据量超过单机：两个都不合适，上 Spark 或 PySpark。