生态系统

介绍

在本页面上，您可以找到支持Polars的库和工具的非详尽列表。由于数据生态系统正在快速发展，未来可能会有更多的库支持Polars。其中一个主要驱动因素是Polars使其内存布局符合Apache Arrow规范。

Apache Arrow

Apache Arrow 允许在同一进程内进行零拷贝数据读取，这意味着可以直接访问内存中的数据格式，而无需复制或序列化。这在与使用 Apache Arrow 的不同工具集成时提高了性能。 Polars 兼容许多同样使用 Apache Arrow 的库，如 Pandas 和 DuckDB。

数据可视化

请参阅专门的视觉化部分。

输入输出

Delta Lake

Delta Lake 项目旨在通过为开发者和集成者提供原生的低级API，以及一个高级操作API，让尽可能多的用户和项目能够轻松查询、检查和操作他们的Delta Lake，从而释放Deltalake的力量。

阅读如何使用 Delta Lake 与 Polars 在 Delta Lake。

机器学习

Scikit Learn

自 Scikit Learn 1.4 起，所有转换器都支持 Polars 输出。请参阅变更日志以获取更多详情。

其他

DuckDB

DuckDB 是一个高性能的分析数据库系统。它设计为快速、可靠、便携且易于使用。DuckDB 提供了丰富的 SQL 方言，支持远远超出基本 SQL 的功能。DuckDB 支持任意和嵌套的相关子查询、窗口函数、排序规则、复杂类型（数组、结构体）等。阅读有关与 Polars 集成的信息在 DuckDB 网站上。

伟大的表格

使用Great Tables，任何人都可以在Python中制作出漂亮的表格。这里有一篇关于如何将Great Tables与Polars结合使用的博客文章。

LanceDB

LanceDB 是一个对开发者友好的、无服务器的向量数据库，适用于AI应用。他们已经添加了与Polars的直接集成。LanceDB可以摄取Polars数据框，将结果作为Polars数据框返回，并将整个表导出为Polars的懒加载框。你可以在他们的博客中找到快速教程 LanceDB + Polars

法师

Mage 是一个用于转换和集成数据的开源数据管道工具。了解 Polars 和 Mage 之间的集成，请访问 docs.mage.ai。

marimo

marimo 是一个用于 Python 和 SQL 的响应式笔记本，它将笔记本建模为数据流图。它提供了对 Polars 的内置支持，允许在交互式、响应式环境中无缝集成 Polars 数据框 - 例如显示丰富的 Polars 表格、无代码转换 Polars 数据框，或在基于 Polars 的响应式图表上选择点。