用途：Polars 是面向 Python 和 Rust 的高性能 DataFrame 库，基于 Apache Arrow 构建，适用于数据仍能放入内存、但 pandas 处理速度不足的场景，可用于数据处理、pandas 迁移和数据管道优化。
主要能力：提供表达式 API（pl.col 引用列，可在 select、with_columns、filter、group_by 等上下文中组合复用）；支持惰性求值（LazyFrame 先构建查询计划再优化执行，含谓词下推、投影下推和并行执行）与即时求值（DataFrame）；支持分组聚合、over() 窗口函数、连接、拼接、透视与逆透视；支持 CSV、Parquet、JSON、Excel、数据库、云存储（S3、Azure、GCS）和 BigQuery 等数据读写。
使用方式：安装命令为 uv pip install polars。基本用法包括 pl.DataFrame 创建数据、df.select 选列、df.filter 过滤、df.with_columns 新增或修改列、df.group_by().agg() 聚合。惰性模式用 pl.scan_csv 读取，链式操作后调用 .collect() 执行；大数据可用 .collect(streaming=True)。
适用场景：数据能放入内存但需要更快处理、复杂查询管道、只需部分列或行、性能敏感的数据分析。
限制：官方资料未提供具体性能基准、收费或价格信息；Polars 无索引、类型严格、不做静默类型转换，从 pandas 迁移时需注意语法差异；在热路径中应避免 Python 函数，优先使用原生表达式操作。