Python深入浅出：从入门到工程实践21
第 21 章 数据处理与可视化
本章学习目标
- 使用 pandas 进行数据加载、清洗、转换和聚合
- 使用 Polars 进行高性能数据处理，理解惰性求值
- 比较 pandas 与 Polars 的适用场景
- 使用 matplotlib 绘制基础图表
- 使用 seaborn 创建统计可视化
- 使用 plotly 构建交互式图表
21.1 pandas vs Polars：如何选择
| 维度 | pandas | Polars |
|---|---|---|
| 执行模型 | 急切求值（立即执行） | 惰性求值（优化后执行） |
| 并行度 | 单线程（默认） | 多线程自动并行 |
| 数据规模 | <10GB（单机内存） | <100GB（列式+惰性优化） |
| 生态兼容 | 最广泛（scikit-learn、statsmodels） | 增长中（.to_pand |