⚖️ Comparativo Pandas vs Polars

📍 1. O que são

• Pandas
  • Biblioteca Python mais popular para análise e manipulação de dados.
  • Baseada em NumPy e altamente integrada ao ecossistema Python.
  • Muito utilizada em ciência de dados, estatística e análise exploratória.
• Polars
  • Biblioteca nova e de alto desempenho para manipulação de dados.
  • Escrito em Rust (muito mais rápido que C em algumas operações).
  • Foco em processamento paralelo e alta eficiência de memória.
  • Pode ser usado em Python e Rust.

📍 2. Performance

📖 Explicação:

• Pandas processa dados em um único núcleo de CPU.
• Polars usa paralelismo automático e otimizações baseadas em Rust.

📍 3. Sintaxe

A sintaxe é parecida, mas Polars exige que você escolha modo Lazy ou Eager:

• Pandas (tudo é imediato):

import pandas as pd

df = pd.read_csv("dados.csv")
df = df[df["idade"] > 30]

• Polars Eager (execução imediata):

import polars as pl

df = pl.read_csv("dados.csv")
df = df.filter(pl.col("idade") > 30)

• Polars Lazy (execução otimizada só quando necessário):

df = pl.scan_csv("dados.csv").filter(pl.col("idade") > 30)
df.collect()  # Executa aqui

📖 Diferença-chave:

O Lazy Mode do Polars permite criar consultas que só são executadas no final, otimizando automaticamente.

📍 4. Carregamento de dados