Interoperabilidade com Python/pandas

Q: Como distribuo extensões Rust?

Use maturin develop localmente e maturin build para wheels em CI - combine com um pyproject.toml apontando para seu crate.

Q: Isso funciona em notebooks?

Sim - escreva IPC para /tmp, leia na próxima célula. Para dados grandes, mmap mantém a RAM estável.

Q: Como depuro discrepâncias de esquema?

Imprima table.schema em ambos os lados antes das transformações. Falhe rapidamente em Rust com Schema explícito na escrita.

Mova tabelas entre Rust e Python com Apache Arrow - evite serialização JSON lenta e preserve dtypes.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

use polars::prelude::*;
use std::fs::File;
 
fn export_arrow_ipc(df: &mut DataFrame, path: &str) -> PolarsResult<()> {
    let mut file = File::create(path)?;
    IpcWriter::new(&mut file).finish(df)?;
    Ok(())
}

import pyarrow as pa
import pyarrow.ipc as ipc
 
with pa.memory_map("/tmp/frame.arrow", "r") as source:
    table = ipc.open_file(source).read_all()
df = table.to_pandas()

Quando usar isso:

Núcleo ETL Rust com notebooks Python para exploração
Servindo features construídas em Rust para downstream pandas/sklearn
Validando saída do Polars no Jupyter sem viagem de ida e volta CSV
Migração gradual de gargalos do pandas

Exemplo de Trabalho

O lado Rust escreve IPC; Python lê em pandas sem analisar CSV.

use polars::prelude::*;
 
fn main() -> PolarsResult<()> {
    let mut df = df! {
        "user_id" => [1i64, 2, 3],
        "score" => [0.9, 0.4, 0.7],
    }?;
    let mut f = std::fs::File::create("/tmp/users.arrow")?;
    IpcWriter::new(&mut f).finish(&mut df)?;
    Ok(())
}

import pandas as pd
import pyarrow.ipc as ipc
 
with open("/tmp/users.arrow", "rb") as f:
    reader = ipc.open_file(f)
    table = reader.read_all()
pdf = table.to_pandas(types_mapper=pd.ArrowDtype)
assert pdf["user_id"].dtype.name.startswith("int")

O que isso demonstra:

IpcWriter do Polars produzindo um arquivo que o Python entende
pandas lendo dtypes baseados em Arrow sem inferência de string
Fidelidade de ida e volta em colunas numéricas

Mergulho Profundo

Como Funciona

Arrow define um layout de memória canônico que ambos os ecossistemas decodificam.
O formato de arquivo IPC incorpora o esquema + buffers de coluna para leituras amigáveis a mmap.
PyO3 permite que funções Rust aceitem/retornem objetos PyArrow no mesmo processo (sem arquivo IPC).
pandas 2.x prefere dtypes baseados em Arrow via pd.ArrowDtype para inteiros anuláveis.

Caminhos de Interoperabilidade

Caminho	Cópias	Melhor para
Arquivo Arrow IPC	Mínimo com mmap	Troca de lotes entre trabalhos
PyO3 + pyarrow	No mesmo processo	Loops rápidos em Python chamando Rust
Parquet em disco	Custo de decodificação	Lago compartilhado durável entre equipes
CSV	Análise completa	Apenas para depuração

Notas Rust

// Ao expor PyO3, use maturin para construir wheels:
// #[pyfunction] fn transform(py: Python, table: Bound<PyAny>) -> PyResult<PyObject> { ... }

Armadilhas

Intermediário JSON - 10x mais lento e perde semântica de inteiros anuláveis. Correção: padronizar em Arrow IPC ou Parquet.
Discrepância de datetime sem fuso horário - pandas vs Polars interpretam offsets de forma diferente. Correção: armazene nanossegundos UTC em metadados do esquema.
Derivação de dicionário categórico/string - junções falham entre linguagens. Correção: concorde com Utf8 vs categórico no registro de esquema.
PyO3 limitado por GIL para trabalho de CPU longo - bloqueia outras threads Python. Correção: libere o GIL com py.allow_threads em torno da computação Rust.
Versões diferentes de Polars/pyarrow - erros de decodificação em novos tipos de extensão. Correção: fixe as versões em Cargo.lock e requirements.txt.

Alternativas

Alternativa	Use Quando	Não Use Quando
Apenas lago Parquet	Lotes assíncronos entre equipes	Loops interativos de subsegundo em notebooks
gRPC + Arrow Flight	Streaming de serviço para serviço	Troca simples de CLI local
DuckDB em ambos	Contrato SQL sobre arquivos	Kernels Rust customizados pesados
Polars puro Python	Equipe permanece na API Python	Propriedade Rust do caminho crítico de desempenho

FAQs

A troca sem cópia é garantida de Rust para Python?

Com mmap IPC e buffers compatíveis, muitas vezes sim. PyO3 no mesmo processo ainda pode copiar dependendo da propriedade do array - compare o desempenho do seu caminho.

O pandas pode escrever de volta para Rust?

Sim - escreva Arrow IPC ou Parquet do pandas via PyArrow, leia com scan_ipc / read_parquet do Polars.

Preciso de PyO3 para interoperação?

Não para pipelines de arquivos/lotes. PyO3 ajuda quando Python orquestra e Rust acelera loops apertados em um processo.

E os arrays NumPy?

Arrow faz a ponte com NumPy para colunas numéricas sem caixas de dtype de objeto - prefira a tabela Arrow como contrato.

Como distribuo extensões Rust?

Use maturin develop localmente e maturin build para wheels em CI - combine com um pyproject.toml apontando para seu crate.

Isso funciona em notebooks?

Sim - escreva IPC para /tmp, leia na próxima célula. Para dados grandes, mmap mantém a RAM estável.

Como depuro discrepâncias de esquema?

Imprima table.schema em ambos os lados antes das transformações. Falhe rapidamente em Rust com Schema explícito na escrita.

Posso usar polars Python em vez de pandas?

Polars Python compartilha o mesmo núcleo Rust - IPC entre Rust Polars e Python Polars é especialmente suave.

E os inteiros anuláveis?

Use Arrow int64 com bitmap nulo; evite o sentinela NaN float do pandas para IDs.

Onde o Apache Arrow se encaixa?

Veja Apache Arrow para os fundamentos do RecordBatch que sustentam essa troca.

Relacionados

Apache Arrow - contrato colunar
Polars - exportação de DataFrame Rust
I/O CSV/Parquet - Parquet como troca alternativa
Construindo CLIs e Serviços de Dados - binários produtores Rust

Versões da Stack: Esta página foi escrita para Rust 1.97.0 (edição 2024), Tokio 1.x, Axum 0.8, serde 1.0, sqlx 0.8, clap 4, e Polars 0.46+.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

use polars::prelude::*;
use std::fs::File;
 
fn export_arrow_ipc(df: &mut DataFrame, path: &str) -> PolarsResult<()> {
    let mut file = File::create(path)?;
    IpcWriter::new(&mut file).finish(df)?;
    Ok(())
}

import pyarrow as pa
import pyarrow.ipc as ipc
 
with pa.memory_map("/tmp/frame.arrow", "r") as source:
    table = ipc.open_file(source).read_all()
df = table.to_pandas()

Quando usar isso:

Núcleo ETL Rust com notebooks Python para exploração
Servindo features construídas em Rust para downstream pandas/sklearn
Validando saída do Polars no Jupyter sem viagem de ida e volta CSV
Migração gradual de gargalos do pandas

Exemplo de Trabalho

O lado Rust escreve IPC; Python lê em pandas sem analisar CSV.

use polars::prelude::*;
 
fn main() -> PolarsResult<()> {
    let mut df = df! {
        "user_id" => [1i64, 2, 3],
        "score" => [0.9, 0.4, 0.7],
    }?;
    let mut f = std::fs::File::create("/tmp/users.arrow")?;
    IpcWriter::new(&mut f).finish(&mut df)?;
    Ok(())
}

import pandas as pd
import pyarrow.ipc as ipc
 
with open("/tmp/users.arrow", "rb") as f:
    reader = ipc.open_file(f)
    table = reader.read_all()
pdf = table.to_pandas(types_mapper=pd.ArrowDtype)
assert pdf["user_id"].dtype.name.startswith("int")

O que isso demonstra:

IpcWriter do Polars produzindo um arquivo que o Python entende
pandas lendo dtypes baseados em Arrow sem inferência de string
Fidelidade de ida e volta em colunas numéricas

Mergulho Profundo

Como Funciona

Arrow define um layout de memória canônico que ambos os ecossistemas decodificam.
O formato de arquivo IPC incorpora o esquema + buffers de coluna para leituras amigáveis a mmap.
PyO3 permite que funções Rust aceitem/retornem objetos PyArrow no mesmo processo (sem arquivo IPC).
pandas 2.x prefere dtypes baseados em Arrow via pd.ArrowDtype para inteiros anuláveis.

Caminhos de Interoperabilidade

Caminho	Cópias	Melhor para
Arquivo Arrow IPC	Mínimo com mmap	Troca de lotes entre trabalhos
PyO3 + pyarrow	No mesmo processo	Loops rápidos em Python chamando Rust
Parquet em disco	Custo de decodificação	Lago compartilhado durável entre equipes
CSV	Análise completa	Apenas para depuração

Notas Rust

// Ao expor PyO3, use maturin para construir wheels:
// #[pyfunction] fn transform(py: Python, table: Bound<PyAny>) -> PyResult<PyObject> { ... }

Armadilhas

Intermediário JSON - 10x mais lento e perde semântica de inteiros anuláveis. Correção: padronizar em Arrow IPC ou Parquet.
Discrepância de datetime sem fuso horário - pandas vs Polars interpretam offsets de forma diferente. Correção: armazene nanossegundos UTC em metadados do esquema.
Derivação de dicionário categórico/string - junções falham entre linguagens. Correção: concorde com Utf8 vs categórico no registro de esquema.
PyO3 limitado por GIL para trabalho de CPU longo - bloqueia outras threads Python. Correção: libere o GIL com py.allow_threads em torno da computação Rust.
Versões diferentes de Polars/pyarrow - erros de decodificação em novos tipos de extensão. Correção: fixe as versões em Cargo.lock e requirements.txt.

Alternativas

Alternativa	Use Quando	Não Use Quando
Apenas lago Parquet	Lotes assíncronos entre equipes	Loops interativos de subsegundo em notebooks
gRPC + Arrow Flight	Streaming de serviço para serviço	Troca simples de CLI local
DuckDB em ambos	Contrato SQL sobre arquivos	Kernels Rust customizados pesados
Polars puro Python	Equipe permanece na API Python	Propriedade Rust do caminho crítico de desempenho

FAQs

A troca sem cópia é garantida de Rust para Python?

Com mmap IPC e buffers compatíveis, muitas vezes sim. PyO3 no mesmo processo ainda pode copiar dependendo da propriedade do array - compare o desempenho do seu caminho.

O pandas pode escrever de volta para Rust?

Sim - escreva Arrow IPC ou Parquet do pandas via PyArrow, leia com scan_ipc / read_parquet do Polars.

Preciso de PyO3 para interoperação?

Não para pipelines de arquivos/lotes. PyO3 ajuda quando Python orquestra e Rust acelera loops apertados em um processo.

E os arrays NumPy?

Arrow faz a ponte com NumPy para colunas numéricas sem caixas de dtype de objeto - prefira a tabela Arrow como contrato.

Como distribuo extensões Rust?

Use maturin develop localmente e maturin build para wheels em CI - combine com um pyproject.toml apontando para seu crate.

Isso funciona em notebooks?

Sim - escreva IPC para /tmp, leia na próxima célula. Para dados grandes, mmap mantém a RAM estável.

Como depuro discrepâncias de esquema?

Imprima table.schema em ambos os lados antes das transformações. Falhe rapidamente em Rust com Schema explícito na escrita.

Posso usar polars Python em vez de pandas?

Polars Python compartilha o mesmo núcleo Rust - IPC entre Rust Polars e Python Polars é especialmente suave.

E os inteiros anuláveis?

Use Arrow int64 com bitmap nulo; evite o sentinela NaN float do pandas para IDs.

Onde o Apache Arrow se encaixa?

Veja Apache Arrow para os fundamentos do RecordBatch que sustentam essa troca.

Relacionados

Apache Arrow - contrato colunar
Polars - exportação de DataFrame Rust
I/O CSV/Parquet - Parquet como troca alternativa
Construindo CLIs e Serviços de Dados - binários produtores Rust

Versões da Stack: Esta página foi escrita para Rust 1.97.0 (edição 2024), Tokio 1.x, Axum 0.8, serde 1.0, sqlx 0.8, clap 4, e Polars 0.46+.

Interoperabilidade com Python/pandas

Buscar na documentação

Interoperabilidade com Python/pandas