Riepilogo
Scalare e ottimizzare le pipeline di dati con Polars
Liam Brannigan
Data Scientist & Polars Contributor
Capitolo 1
- Come Polars ottimizza le query lazy dietro le quinte
- Leggere i piani di query e profilare l'esecuzione
- Usare dati ordinati e fast‑path per ridurre il lavoro
Capitolo 2
- Confrontare CSV e Parquet e ispezionare i metadati
- Controllare come Polars scansiona e scrive i dati
- Scalare a dataset multifile, layout partizionati e database
Capitolo 3
- Lavorare con colonne list e struct per dati annidati
- Usare tipi categorical ed enum per stringhe ripetute
- Stimare la dimensione del DataFrame e regolare la precisione numerica
Capitolo 4
- Usare i motori di esecuzione default, streaming e GPU
- Elaborare risultati a batch e scrivere output su disco
- Testare le query Polars per pipeline robuste e affidabili
