파이썬에서 데이터 분석을 위해 가장 많이 사용되는 팬더스이지만, 데이터 분석의 범위가 점점 광범위해지고 초보자에서 중급, 고급 사용자로 넘어가게 될수록 팬더스의 한계를 느끼게 됩니다. 팬더스로 처리하는 데이터의 크기가 커지면 커질수록 속도나 메모리 효율에 대한 성능 저하가 나타납니다. 이에 대한 가장 큰 원인으로 지목되는 것이 단일 스레드만 지원하는 팬더스의 특성입니다. (...) 비효율성 때문에 팬더스는 소형 데이터로 초급 과정의 분석가에게는 배우기 쉬운 매우 효율적인 패키지 라이브러리임에는 분명하지만, 점점 그 한계가 분석가의 발목을 잡는 패키지 라이브러리인 것도 분명합니다.
---p.48

폴라스는 인메모리 컬럼형 데이터 형식인 아파치 애로를 사용함으로써 테이블 형태의 데이터를 메모리에 로딩하는 데 매우 효율적입니다. 이렇게 테이블 중심의 구조, 열 기반 메모리 구조는 일반적인 데이터베이스, 데이터프레임의 사용 방식과 다른 통계, 머신러닝 기반 데이터 분석 작업에 사용되는 알고리즘에도 효율적인 계산을 실행할 수 있습니다. 반면 팬더스는 행 기반 형식을 사용하므로 대규모 데이터셋 작업 시 메모리 효율성이 떨어집니다.
---p.60

폴라스 데이터프레임 처리에 사용되는 일부 메서드는 여러 데이터 타입에 대해 동일한 이름으로 사용되는 것들이 있습니다. 예를 들어 head()의 경우 pl.String 데이터 타입에 대해서도 사용되고 list 데이터 타입에도 사용됩니다. 따라서 head()는 적용되는 데이터 타입에 따라 서로 작동하는 방식이 달라집니다. / 이처럼 폴라스는 처리 대상 데이터 열의 데이터 타입에 따라 사용되는 메서드의 실행 방식이 달라지도록 설계되어 있는데, 이를 사용자가 명시적으로 선언해주도록 하고 있습니다.
---p.85

우리나라 영화의 메이저 배급사 중 하나인 쇼박스에서 2024년 배급한 영화가 어떤 영화인지 알아봅시다. 박스오피스 데이터를 살펴보면 배급사 열이 있습니다. 해당 열에는 하나의 배급사만 있는 경우도 있지만, 여러 배급사가 공동으로 배급한 경우도 있습니다. 따라서 앞선 방법으로 검색하면 쇼박스가 단독으로 배급한 영화만 필터링되지만, contains()를 사용하면 문자열에 쇼박스를 포함한 모든 데이터를 필터링한 결과가 산출됩니다.
---p.172

Plotly로 산점도를 그리기 위해서는 plotly.express.scatter()를 사용할 수 있습니다. 폴라스 백엔드와 같이 X축에 매핑될 수치형 열을 x로, Y축에 매핑될 수치형 열을 y로 매핑하며, 필요에 따라 색상을 매핑하기 위한 열은 color, 크기를 매핑하기 위한 열은 size로 설정할 수 있습니다. / 추가적으로, Plotly 산점도는 trendline 옵션을 제공합니다. 이는 산점도로 표시된 데이터들의 추세선을 그려주는데, trendline 옵션에는 'ols'와 'lowess' 등의 방법을 제공합니다.
---p.238

스포티파이 데이터셋으로 알아볼 첫 번째 주제는 주요 국가의 2024년 메인보컬 Top 10입니다. 여기서 주요 국가로 선정한 국가는 미국과 영국과 우리나라를 선정했고, 추가적으로 글로벌 차트를 선정했습니다. 이 국가들의 차트에서 2024년 랭크된 노래 중 메인보컬의 상위 10명의 결과를 알아봅니다. 이 과정에서는 표현식을 재활용하는 방법을 사용하겠습니다. / 먼저 각 국가의 차트에는 하나의 노래가 각 날짜별로 랭크되어 있기 때문에 2024년 랭크된 노래들을 구분하기 위해 메인보컬별로 노래 제목의 고윳값을 구하고, 노래 제목의 고윳값 개수를 산출하는 표현식을 만듭니다.
---p.326