Polars
In Rust gebautes DataFrame — Ritchie Vink (Xomnia), 2020. Schneller als pandas (5–30×), nutzt Apache Arrow nativ und lazy execution.
Zwei APIs: eager (sofortige Auswertung, pandas-artig) und lazy (einen Query-Graph aufbauen, optimieren und mit collect() ausführen). Standardmäßig multi-threaded, SIMD-beschleunigt. Skaliert auf einem einzelnen Knoten bis auf ~hunderte GB; für größere Datenmengen → Polars Cloud (managed, verteilt).
Konkurrenz: pandas (etabliert), DuckDB (der SQL-Weg), Dask (verteiltes pandas), Modin. Polars gewinnt schnell an Boden, wo pandas-Nutzer an Speichergrenzen stoßen.