关于
Polars is a high-performance DataFrame library for Python that processes datasets fitting in RAM, serving as a faster alternative to pandas. It leverages lazy evaluation, parallel execution, and an Apache Arrow backend, making it ideal for 1-100GB datasets and ETL pipelines. Use it when pandas is too slow but your data still fits in memory.
快速安装
Claude Code
推荐npx skills add sickn33/antigravity-awesome-skills -a claude-code/plugin add https://github.com/sickn33/antigravity-awesome-skillsgit clone https://github.com/sickn33/antigravity-awesome-skills.git ~/.claude/skills/polars在 Claude Code 中复制并粘贴此命令以安装该技能
GitHub 仓库
常见问题
什么是 polars Skill？
polars 是一个 Claude Skill，作者为 sickn33。Skill 将 Claude 按需加载的说明和资源打包，让 Claude 无需额外提示即可执行与 polars 相关的任务。
如何安装 polars？
使用本页的安装命令：将 polars 作为插件添加到 Claude Code，或将其仓库克隆到 skills 目录，然后重启 Claude 以加载该 Skill。
polars 属于哪个分类？
polars 属于其他分类。
polars 可以免费使用吗？
可以。polars 已收录在 AIMCP，可免费安装。
相关推荐技能
LlamaGuard是Meta推出的7-8B参数内容审核模型，专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别（暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划），准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署，并能与NeMo Guardrails集成实现自动化安全防护。
这个Claude Skill帮助开发者优化云成本，通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。
该Skill为开发者提供体育博彩数据分析工具，可分析盘口、大小球和特殊投注，识别价值投注机会。它整合历史数据和情景统计，生成包含时间戳的结构化Markdown报告。适用于需要快速获取博彩市场洞察的娱乐或教育类应用开发。
这个Skill使用bitsandbytes库量化大语言模型，能在GPU内存有限时通过8位或4位量化减少50-75%内存占用，同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式，可与HuggingFace Transformers无缝集成，适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持，让开发者能轻松实现高效模型压缩。