首页
/ Narwhals项目v1.37.0版本发布:性能优化与新特性解析

Narwhals项目v1.37.0版本发布:性能优化与新特性解析

2025-07-06 15:11:30作者:农烁颖Land

Narwhals是一个专注于数据处理和分析的Python库,它提供了统一的数据操作接口,支持多种后端引擎(如Pandas、Dask、Spark等),让开发者可以用相同的API操作不同引擎的数据结构。该项目旨在简化跨引擎的数据处理工作流程,提高开发效率。

性能优化亮点

本次v1.37.0版本在性能方面做出了显著改进,特别是针对Apache Arrow Table的重命名操作。开发团队添加了一个快速路径(fastpath)优化,专门针对Arrow版本17及以上的情况。这种优化意味着当用户在处理大型数据集时,重命名列的操作将更加高效,减少了不必要的内存复制和计算开销。

对于数据工程师和分析师来说,这类底层优化虽然不改变API的使用方式,但在处理TB级数据时能带来明显的性能提升,特别是在ETL流水线中频繁使用列重命名操作的场景下。

核心功能增强

增强的fill_null功能

fill_null是数据处理中常用的功能,用于处理缺失值。新版本对此功能进行了多方面增强:

  1. 新增了对fill_null(strategy=...).over(order_by=...)模式的支持,这与Pandas的操作方式保持了一致。这种语法糖让熟悉Pandas的用户能够更自然地使用Narwhals。

  2. 扩展了非空策略(non-null strategy)的支持范围,现在DuckDB和SparkLike后端也能使用各种填充策略。这意味着即使用户选择不同的计算引擎,也能获得一致的缺失值处理体验。

表达式作为分组键

v1.37.0版本引入了一个重要特性:允许使用表达式作为group_by操作的键。这意味着开发者现在可以编写更灵活的分组逻辑,例如:

df.group_by(pl.col("date").dt.year()).agg(...)

这种改进大大增强了分组操作的表达能力,使得复杂的数据聚合变得更加简洁和直观。

Spark Connect支持

对于Spark用户来说,本次更新增加了对Spark Connect的支持。Spark Connect是Spark 3.4引入的轻量级客户端-服务器架构,它允许远程连接到Spark集群而不需要本地的Spark环境。这一特性使得Narwhals在云原生和分布式环境中的应用更加灵活。

问题修复与稳定性改进

开发团队修复了PySpark在窗口操作时可能出现的"no partition"警告问题。这类警告虽然不影响功能,但会干扰日志分析和监控。修复后,生产环境中的日志将更加干净,便于问题排查。

代码质量与维护改进

在代码库维护方面,团队进行了多项内部改进:

  1. 简化了类型注解,特别是__getitem__方法的类型提示,提高了代码的可读性和IDE的支持度。

  2. 优化了Dask相关的导入方式,避免了一些潜在的混淆。

  3. 重构了版本管理相关的工具函数,引入了Version.dtypesVersion.namespace等更清晰的API。

这些内部改进虽然不影响最终用户,但提高了项目的可维护性,为未来的功能扩展打下了更好的基础。

测试与持续集成

测试套件也得到了增强,特别是:

  1. 解除了对Polars流式分组操作的一些预期失败标记(xfail),表明相关功能已经稳定。

  2. 修复了pointblank下游测试,确保与其他生态工具的兼容性。

  3. 移除了对旧版setuptools(<78)的CI支持,保持开发环境的现代性。

总结

Narwhals v1.37.0版本在性能、功能和稳定性方面都做出了有价值的改进。特别是fill_null功能的增强和表达式分组键的支持,将显著提升数据工作流的表达能力。同时,对Spark Connect的支持扩展了项目在分布式环境中的应用场景。

对于现有用户,建议升级以获取更好的性能和更多功能;对于新用户,这个版本展示了Narwhals作为统一数据处理接口的成熟度和潜力,值得考虑将其纳入数据科学工具链。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
59
94
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
974
574
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
1.2 K
133