用途：Vaex 是用于处理与分析超出可用内存的大型表格数据集（GB 到 TB 级）的 Python 库，采用惰性外存 DataFrame，可基于内存映射的 HDF5/Arrow 文件进行交互式探索，适合天文、金融时间序列等大规模科学数据。
主要能力：支持从 HDF5、CSV、Arrow、Parquet、pandas、NumPy 及字典创建 DataFrame；提供过滤与选择、虚拟列与表达式、groupby 聚合、字符串与日期时间处理、缺失值处理；支持惰性求值、delay=True 批量计算与缓存；可视化支持一维/二维图、热力图与散点图；机器学习提供特征缩放与编码、PCA、K-means，并与 scikit-learn、XGBoost、CatBoost 集成；支持多格式 I/O 与导出。
使用方式：完整安装推荐 uv pip install vaex；最小安装可选 uv pip install vaex-core vaex-viz vaex-hdf5 vaex-ml。典型流程为 df = vaex.open('large_file.hdf5') 或 vaex.from_pandas(pandas_df)，用 print(df)、df.describe() 探索，创建虚拟列 df['new'] = df.x ** 2 + df.y，过滤 df[df.age > 25]，聚合 df.groupby('category').agg({'value': 'sum'})，可视化 df.viz.heatmap(df.x, df.y, limits='99.7%', show=True)，导出 df.export_hdf5('output.hdf5')。批量计算可 delay=True 后用 vaex.execute 一次执行。
适用场景与限制：适合单机、外存、超出内存的表格分析；若数据能放入内存且追求最大内存速度可用 polars，需要集群上分布式 pandas/NumPy 可用 dask。Vaex 4.19.0+ 才支持 Python 3.12 与 NumPy v2；Windows 上构建 annoy 依赖可能需要 Python 开发头文件；vaex-arrow 已废弃（Arrow 已内置于 vaex-core），vaex-distributed 已由 vaex-enterprise 取代。具体收费、价格与更多平台信息暂未提供。