比pandas速度更快的数据分析工具-polars，已支持python语言

Polars 是使用 Apache Arrow 列格式作为内存模型，使用rust语言实现，目前已经支持python、rust、nodejs编程语言。

polars非标准库实现了多线程、查询优化以及强大的表达式接口，在同样场景的数据分析中效率提高了很多。

开始之前，我们还是一如既往的来安装一下相关的python非标准库。除了这次需要安装的polars，我们安装pandas库来做运行效率上的对比。

下面的测试案例是通过读取excel数据来观察效率的，polars读取excel数据时需要一个额外的python非标准库xlsx2csv。

pip install pandas -i https://pypi.mirrors.ustc.edu.cn/simple/

pip install polars -i https://pypi.mirrors.ustc.edu.cn/simple/

pip install xlsx2csv -i https://pypi.mirrors.ustc.edu.cn/simple/

这里说一下我遇到的坑，本来开始是在windows7上面安装polars的，结果费了好大的劲缺了这个缺那个。最后换到windows10上面直接使用pip一下就安装成功了。

话不多说，下面直接进入正题吧，先将我们测试执行效率需要的python模块导入进来。

import pandas as pd
import polars as pl
import timeit  # 记录时间点的python库

开始处理数据之前我创建了两个data1.xlsx和data2.xlsx的Excel数据文件，接下来通过excel数据的读取时间以及数据合并的执行时间来看看pandas和polars的执行效率。

1、数据读取时间

使用pandas的read_excel函数来读取data1.xlsx中的数据，并记录开始和结束时间。