Pandas-Coder 聚焦于 pandas 的 DataFrame 操作，面向大数据集的生产级处理模式。
用途与主要能力：处理大文件时支持分块读取 CSV（如 pd.read_csv('large.csv', chunksize=50_000)），并可按需读取列（usecols）。内存优化方面，介绍加载时指定 dtype、用 category 类型替代重复字符串（示例：object 类型 800MB 降至 category 50MB），并给出 reduce_memory 函数，按取值域将 int64/float64 降为更小类型，声称可降低 50% 至 90% 内存。
性能写法：提倡向量化代替逐行循环，例如用 df['total'] = df['price'] * df['qty'] 替代 iterrows，用 .str 向量化字符串方法替代 apply；条件赋值可用 np.where 与 np.select；分组聚合支持命名聚合与 transform 广播；索引、日期分量、合并排序等也有对应优化建议。
数据转换：支持用 Parquet 替代 CSV，含压缩、按列读取和按分区写入；提供 flatten_json、explode_arrays、json_to_dataframe 三个函数，用于嵌套 JSON 的展平与数组展开，并给出 PostgreSQL 与 dbt 中的 JSON 展平 SQL 示例，以及输出结构（schema）生成说明，含数组展开导致的行数倍增记录。
适用场景：数据清洗、特征准备、日志或接口 JSON 转表、内存受限环境下的批处理。
限制：资料未提供安装命令、版本依赖要求、授权与收费信息，也未给出完整项目结构或测试数据；示例中的内存降幅与性能为文档陈述，实际效果需自行验证。