用途：Vaex 用于处理无法装入内存的表格数据，数据量可达十亿行级。它依托内存映射文件与惰性求值，打开大文件近乎瞬时且占用内存很低，适合天文学星表、金融时间序列等大型科学数据集的交互式探索。
主要能力：支持从 HDF5、Arrow、Parquet、CSV 及数组、pandas、Arrow 表创建 DataFrame；虚拟列在不额外占用内存的前提下做特征工程；布尔过滤与命名选择；聚合与 groupby（含 delay=True 批量单次扫描）；字符串与日期时间访问器；基于全量数据分箱的热图与直方图可视化；vaex.ml 提供缩放、编码、PCA 等转换器及 scikit-learn 模型封装。
使用方式：pip install vaex，按需安装 vaex-hdf5、vaex-arrow、vaex-ml、vaex-viz 等扩展。典型做法是先用 vaex.from_csv('data.csv', convert='data.hdf5') 转为 HDF5，之后用 vaex.open 即时加载；聚合值、.values、导出等会触发实际计算。
限制：仅适合单机外存场景；数据能装入内存时更适合 polars，多节点分布式应选 dask。CSV 需转换后才高效。资料未提供收费、价格、平台支持等信息。