使用Polars在Rust中进行数据整理

数据整理是分析和机器学习的重要步骤，涉及将原始数据转化为干净有序的格式。

Polars是一个为Rust和Python设计的高效数据框架库，具有高性能和低内存使用的特点。

Polars支持延迟执行，允许链式操作而不立即计算，从而提高查询优化。

Polars支持并行执行，利用多个CPU核心处理大数据集，提高处理速度。

Polars支持多种文件格式，包括CSV、Parquet和JSON，方便数据加载。

数据过滤功能使得用户可以根据条件选择特定行，简化数据处理。

聚合功能允许计算总和、平均值等汇总信息，便于数据分析。

排序功能可以根据一个或多个列对数据框进行升序或降序排序。

Polars支持数据框的连接，类似于SQL连接，支持内连接、左连接、右连接和外连接。

Polars的延迟执行特性有助于优化性能，减少额外计算和内存使用。

与Pandas相比，Polars在性能、API设计和内存使用上具有优势，特别是在处理大数据集时。