Прескочи на главни садржај
🔒 Режим прегледа. Првих петнаест Foundations лекција је бесплатно; ова је Pro. Покрените 7-дневни trial да откључате едитор, AI савете и остатак курса. Картица је обавезна, можете отказати у било ком тренутку у Dashboard.
Покрени 7-дневни trial →
⚡
← Kursevi
›
Data Science Applied
›
Модул 2 · Чишћење података и инжењеринг карактеристика
›
Полари против панди: разлике у синтакси
quiz
20 / 104
🇷🇸
SR
▼
↗
Подели
⋯
Више
+100 XP
📋
Zadatak
📖
Teorija
🤖
AI Pomoć
Zadatak
📝 **Питање:** Зашто Поларс користи 'лењи' АПИ са `.сцан_цсв` + `.цоллецт()`? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
🎯 Kviz
Pitanje
📝 **Питање:** Зашто Поларс користи 'лењи' АПИ са `.сцан_цсв` + `.цоллецт()`? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
A
It's a fad copied from Spark — modern columnar memory layouts already remove the need for query planning at this scale, and lazy execution just adds rope to hang the analyst with
B
Lazy execution lets Polars BUILD the full query plan first, then OPTIMIZE it (push filters down, skip unused columns, parallelize) before running. Eager would have to compute every intermediate
C
Lazy is just slower than eager on every realistic workload because the planner overhead dominates for the typical sub-million-row dataframe that most teams actually analyse day-to-day
D
Required by the Rust core — the Polars engine cannot interleave Python and Rust without a deferred-execution boundary, so the lazy API exists only to keep the FFI bridge stable across calls
Odgovori
💬 Diskusija
Budi prvi — postavi pitanje ili podeli savet.
Prijavi se
da bi se pridružio diskusiji. Čitanje je besplatno.
Učitavanje diskusije…