我正在处理一个包含超过 2000 万条记录的庞大数据集。我正在尝试将所有数据保存为羽毛格式，以便更快地访问，并在进行分析时进行附加。
有没有办法将 pandas 数据框附加到现有的羽毛格式文件中？
我用.write_ipcPolars 存储为羽毛文件。原来数字串已经被保存为整数了。
因此，我需要在保存为feather之前或从feather读取之后将带有整数的列转换为字符串。我该如何使用 Polar 来做到这一点？
对于一个包含许多.feather文件的文件夹，我想将它们全部加载到 python 中的 dask 中。
到目前为止，我已经尝试了以下来自 GitHub https://github.com/dask/dask/issues/1277上类似问题的内容
files = [...]
dfs = [dask.delayed(feather.read_dataframe)(f) for f in files]
df = dd.concat(dfs)
不幸的是，这给了我TypeError: Truth of Delayed objects is not supported那里提到的错误 ，但解决方法尚不清楚。
是否可以在 dask 中执行上述操作？
将 DataFrame 序列化为内存中表示的最快方法是什么？根据一些研究，人们似乎普遍认为Apache Feather格式是大多数指标中最快的可用格式。
我的目标是获取 DataFrame 的序列化字节 - Feather 的唯一问题是我想避免写入磁盘和从磁盘加载的开销，并且 Feather API 似乎只允许文件 I/O。我是否应该为此寻找不同的格式，或者Python中是否有一种方法可以“伪造”文件，强制 Feather 写入内存缓冲区？
我找到了有关将文件快速导入 R 的好技巧，但我想知道是否可以仅将给定文件的子集导入到变量中。
就我而言，我有一个包含 1600 万行的文件，保存为 .rds（也保存为 .feather，因为我正在尝试两种格式的速度），并且我想导入其中的一个子集（例如，一些行或几列）进行初始分析。
是否可以？readRDS() 似乎不接受任何子集，而 read_feather() 似乎不允许行选择（尽管您可以指定列）。我应该考虑其他数据格式吗？
我想将tibble具有列表列的磁盘保存到磁盘（仅供以后在R中使用）。理想情况下，我想要一种快速的二进制格式，例如feather，但是它似乎不支持list cols：
test <- tibble(a= list(c(1,2), c(3,4)))
feather::write_feather(test, 'test.csv')
writeFeather（x，path）中的错误：未实现：a是一个列表
我期望readr程序包中的方法能够处理此问题，但是我尝试过的方法似乎都无法解决。
我该怎么做呢？