从 Pandas 到 Polars 三十二：对Polars查询进行性能剖析

如果你不知道瓶颈在哪里，你就无法优化你的代码。

现在，DataPolars 提供了一个性能分析工具来展示它的工作情况。

你可以通过在任何延迟查询上调用 .profile 来获取这些数据。更好的是，我们还可以得到一个图表来可视化每一步所花费的时间。

在这个例子中，我们从 CSV 文件中读取数据，进行分组，然后排序。

(
    pl.scan_csv(csvFile)
    .groupby('Pclass')
    .agg(
        pl.col("Age").mean()
    )
    .sort("Pclass")
    .profile(show_plot=True,figsize=(6,3))
)

在图表中，我们看到读取CSV文件是瓶颈所在。因此，我们应该将精力集中在这一步骤上，采用诸如指定数据类型（dtypes）或更好的做法，将其转换为Parquet或Arrow格式等策略。

往期热门文章：

从 Pandas 到 Polars 二十六：在Polars中，不要遍历列

从 Pandas 到 Polars 二十三：如果你的数据已经排序，Polars可以为你提供助力

从 Pandas 到 Polars 十八：数据科学 2025，对未来几年内数据科学领域发展的预测或展望

从 Pandas 到 Polars 十三：流式处理的关键参数

从 Pandas 到 Polars 十：“Polars 表达式“是什么？

从 Pandas 到 Polars 六：在 Polars 中流式处理大型数据集

从 Pandas 到 Polars 0：理解Polars嵌套列类型