本文比较pandas、polars、duckdb和arrow等几种类库，在内存中进行向量化计算的执行时间差异。

测试环境

硬件：
Apple M2，16GB，SSD

软件：
python 3.11.7
pandas 2.1.4
pyarrow 14.0.2
duckdb 0.10.1
polars 0.20.15

求和两列浮点数

用不同的内存对象计算两列之和（new_col=A+B），比较所消耗的时间，列A和列B都是1~100之间的浮点数。

内存压力大时耗时会显著增加，例如下面的pandas和pandas_on_arrow曲线：

计算指定列平均值

用不同的内存对象计算指定列的平均值，比较所消耗的时间，指定列是1~100之间的浮点数。

字符串连接

用不同的内存对象将两列字符串连接，比较所消耗的时间，列A和列B都是8字节的字符串。