一场关于「老工具该不该退休」的争论

Hacker News 上最近有一篇标题相当激烈的文章——《Pandas Should Go Extinct》，短短时间拿到 93 分、45 条评论。评论区吵成一片：有人拍手叫好，说自己被 Pandas 折磨了五年；也有人反驳，说问题不在 Pandas，而在用错场景。

这篇文章本身观点偏激，但它戳中的痛点很真实。作为 Python 数据科学生态里最知名的库，Pandas 确实到了该被重新审视的时候。

Pandas 到底哪里让人难受

第一，内存是硬伤。 Pandas 默认用 NumPy 数组存数据，字符串列尤其吃内存。一个几百 MB 的 CSV 读进来，动辄膨胀到几个 GB，笔记本直接卡死。虽然可以手动指定 dtype 缓解，但这对新手极不友好。

第二，API 设计不统一。 同样是「取一列」，有人写 df['col']，有人写 df.col，还有 df.loc[:, 'col']；同样是分组聚合，groupby 之后的 agg、apply、transform 行为差异微妙，文档翻半天也未必对得上。老用户靠肌肉记忆，新用户靠试错。

第三，类型系统缺失。 Pandas 的对象列可以混装任何东西，运行时才报错。写数据管道时，这种「先跑起来再说」的哲学意味着 bug 往往在生产环境才暴露。

第四，单线程。 默认执行模型是单核的，面对如今动辄几十 GB 的数据集，性能天花板肉眼可见。

替代方案已经成熟

如果只是抱怨，那这篇文章没什么价值。真正让它值得讨论的，是替代品已经能打了。

Polars 是目前声量最大的挑战者。它用 Rust 写的，底层基于 Arrow 列式内存格式，天然支持多核并行和惰性求值。同样的分组聚合，Polars 常常比 Pandas 快几倍到几十倍，内存占用也低得多。API 更一致，表达式系统学习曲线虽然陡一点，但写出来的代码可读性更强。