数据科学生态（NumPy/Pandas/Polars）

import numpy as np

# NumPy：同构数组 + 广播
a = np.arange(1_000_000)
%timeit sum(a)          # Python 循环：慢
%timeit a.sum()         # C 向量化：快 100×+

b = a.reshape(-1, 1000)
b * 2                    # 广播：形状自动对齐

import pandas as pd

# pandas：DataFrame 即带标签的表格
df = pd.read_csv("scores.csv")
df.groupby("class")["score"].mean()          # 分组聚合（split-apply-combine）
df.query("score >= 60").sort_values("score")  # 链式过滤

import polars as pl

# Polars：惰性执行 + 多线程 + 列式内存
lazy = (
    pl.scan_csv("scores.csv")                # 惰性：先描述计划
      .filter(pl.col("score") >= 60)
      .group_by("class")
      .agg(pl.col("score").mean())
)
lazy.collect(streaming=True)                 # 此时才执行，可流式

为什么向量化快：
  Python 循环：每迭代一次 = 解释器派发字节码 + 对象装箱拆箱（kp-001）
  NumPy 循环：整段运算下沉为一次 C 函数调用，SIMD/连续内存，无装箱

引擎选型（2025 年代心智）：
  小探索/教程生态最全      → pandas
  大数据/生产管道/多线程   → Polars（或 pandas + PyArrow 后端）
  数值计算底座/自己写算法  → NumPy
  超出内存                → Polars streaming / DuckDB / Spark

一条铁律贯穿全生态：
  能向量化就不要写 for——把"对每行做什么"翻译成"对整列做什么"
  df["c"] = df["a"] + df["b"]        ✓ 向量化
  for i in rows: df["c"][i] = ...    ✗ 行循环（慢 100-1000×）

# 同一任务的三个引擎（成绩单聚合）
# pandas:
df.groupby("class")["score"].mean()
# Polars:
df.group_by("class").agg(pl.col("score").mean())
# 纯 Python（对照组）:
means = defaultdict(list)
for row in rows: means[row["class"]].append(row["score"])
{k: sum(v)/len(v) for k, v in means.items()}