Narwhals项目v1.37.0版本发布:性能优化与新特性解析
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:
-
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。 -
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:
-
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。 -
优化了Dask相关的导入方式,避免了一些潜在的混淆。
-
重构了版本管理相关的工具函数,引入了
Version.dtypes
和Version.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:
-
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。
-
修复了pointblank下游测试,确保与其他生态工具的兼容性。
-
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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









