#data

用 Python 处理了一个 5 亿行的数据集。Pandas 直接崩了，换了 Polars 秒处理。大数据时代工具选型太重要了。

Pandas tip: If your DataFrame operations are slow, try .itertuples() instead of .iterrows(). 100x faster, same result.

Kaggleのコンペでトップ5%に入った！データの前処理が勝因だった。モデルより前処理。

Flink 实时计算框架太强了。每秒处理百万级事件，延迟在毫秒级。实时数仓不是梦。

Started using Polars instead of Pandas. 10x speed improvement on a 50M row dataset. My data pipelines are flying.

数据可视化做得好不好，不在于图表多炫酷，而在于能不能让人一眼看出结论。

数据湖 vs 数据仓库的争论可以结束了。答案是 Lakehouse 架构，两者的优点都有。

Jupyter notebooks are great for exploration. Terrible for production. Know when to switch.

データ分析で一番大事なのは「正しい問いを立てること」。どんなにいい分析も、問いがズレたら無意味。