用途：把表格型 Parquet 文件读入 Rerun 分块流，将扁平表映射到 Rerun 数据模型，把原始列变成分组、带时间索引的 struct 与标量组件。列名前缀成为实体，分组列合并为一个 struct 组件，指定列成为时间线。
主要能力：ParquetReader 是纯读取器，本身不做原型组装；把 struct 字段映射为带类型的 Rerun 组件（Transform3D、Scalars、Points3D 等）由 .stream() 上的 lens 完成。整个读取器的工作就是配置。
用法：构造只接收路径，所有加载选项都在 stream() 上且为仅关键字参数。示例： from rerun.chunk import DeriveLens, IndexColumn from rerun.experimental import ParquetReader reader = ParquetReader(table_path) stream = reader.stream(entity_path_prefix="/world", column_grouping="prefix", delimiter="_", use_structs=True, static_columns=["robot_type"], index_columns=[IndexColumn.timestamp("timestamp", input_unit="us"), IndexColumn.sequence("frame_index")]) 每次 stream() 调用相互独立，一个读取器可驱动多个不同配置的流；配置在 stream() 时按文件 schema 校验。
列分组："prefix"（默认）按分隔符首段分组；"explicit_prefixes" 按 prefixes 精确匹配、最长优先；"individual" 每列独立、不打包 struct。use_structs=True 把分组列打包为单个 Arrow struct 组件 data，False 则每列一个组件。
时间线：用 IndexColumn.timestamp/duration/sequence 构建；input_unit 描述原始整数单位（默认 "ns"，另有 "us"、"ms"、"s"），Rerun 内部换算为 ns。省略时只生成合成的 row_index 序列时间线。static_columns 中的列须全表恒定，否则运行时报错。
lens：DeriveLens 读取 struct 字段并打包、转换为真实组件，写入输出实体。提供 to_translation、to_quaternion、to_scale、to_rotation_axis_angle、to_scalars、to_packed_component、to_component、to_timeline 等构建方法，可链式调用。用 .stream().lenses([lens], content="/A", output_mode="drop_unmatched") 应用；output_mode 可选 "drop_unmatched"（默认）、"forward_unmatched"、"forward_all"。字段路径用 Selector 语法。
限制与注意：无 index_columns 时只有合成 row_index 时间线；单位须填原始列单位；分组前缀的 struct 组件名为 data，单独列则是以列名命名的原始组件；Selector 字段路径使用去前缀后的字段名；读取器会生成 /__properties 元数据块，通常用 .stream().drop(content="/__properties/**") 丢弃；to_quaternion 顺序为 x、y、z、w；to_packed_component 及变换辅助方法默认自动把 f64 转 f32。读取器无法表达的内容（逐行实体路由、派生值、单位换算）应放在下游 lens，而非先用 pandas 处理。具体收费、平台与效果资料暂未提供。