vaex通过延迟计算、内存映射和列式惰性求值实现交互式响应，但groupby等操作耗时取决于硬件与表达式复杂度；vaex.from_pandas()易爆内存，应优先从磁盘文件直接加载。
Vaex 本身不“秒级处理数亿行”，它靠延迟计算 + 内存映射 + 列式惰性求值来避免实际加载和遍历，真要 df.groupby(...).sum() 出结果，耗时取决于磁盘带宽、CPU核心数和表达式复杂度——但绝大多数探索性操作（筛选、统计、直方图）确实能交互式响应。
为什么 vaex.from_pandas() 会爆内存？
这是最常踩的坑：把 Pandas DataFrame 先全载入内存，再喂给 Vaex，等于白用。Vaex 的优势只在直接从磁盘文件（hdf5、parquet、csv）构建 vaex.DataFrame 时生效。
- 正确做法是跳过 Pandas：用
vaex.read_csv('data.csv', parse_dates=['ts'])或vaex.open('data.parquet') - 若只有 Pandas DataFrame 且无法重生成，至少用
vaex.from_arrays(**{k: np.array(v) for k, v in df.items()})避免拷贝；vaex.from_pandas(df.copy())仍是危险操作 -
csv文件务必提前用vaex.read_csv(..., convert=True)转成.hdf5或.arrow，后续打开快 10 倍以上
vaex.DataFrame 的筛选和聚合为什么看起来“没执行”？
Vaex 默认所有操作都是惰性的：调用 df[df.x > 0] 或 df.sum('y') 只建计算图，不触发真实计算。你看到的 Expression 或 DelayedResult 不是 bug，是设计。
- 强制执行用
.values（返回 NumPy 数组）、.evaluate()（返回数组）、或.to_pandas_df()（慎用，可能爆内存） - 画图常用
df.plot1d('x')，它内部自动触发评估；但df.mean('x').values才拿到具体数字 - 链式操作如
df[df.a > 1].sum('b').values是安全的，整个流程仍不加载全量数据
如何让 groupby 不卡死、不出 OOM？
Vaex 的 groupby 不支持任意 Python 函数，只支持预编译的统计聚合（sum、mean、count、std 等），且要求分组键是列或简单表达式（不能是 df.x.str.slice(0,3) 这种）。
- 必须用
agg = {'sales_sum': ('sales', 'sum'), 'cnt': 'count'}形式传入agg参数，不能写df.groupby('city').sum('sales') - 分组键含缺失值时，默认丢弃；需保留请加
dropna=False - 超大分组数（如按用户 ID 分组上亿类）会显著变慢甚至失败——这时应先用
df.count(by='user_id')看分布，再考虑采样或改用 Dask/Vaex + DuckDB 混合方案
真正难的不是语法，而是接受“不能像 Pandas 那样自由写逻辑”的事实：Vaex 把性能换给了受限的表达能力。一旦需要 apply 自定义函数、嵌套循环或状态累积，就得切回 Pandas 分块处理，或换用 duckdb + vaex.from_sql() 补位。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
