Rust 数据科学：数据分析的性能与安全性

《Rust 数据科学》是一本实用指南，将向您展示如何利用 Rust 语言强大的能力、速度和安全性来解决数据分析和机器学习任务。与传统的 Python 方法不同，Rust 提供了接近 C/C++ 的性能，同时保证了内存和线程的安全操作。这使得它成为处理海量数据（速度和可靠性至关重要）的理想选择。

本书面向已经熟悉 Rust 或 Python 基础编程，并希望扩展自己工具集的开发者和分析师。阅读本书只需具备数据结构和算法的基本理解。您将学习如何创建高效的数据处理管道，避免 Python 中常见的瓶颈（GIL、慢速循环、高内存消耗）。

您将学到什么：

• 使用 Rust 数据科学库：ndarray（多维数组）、polars（类似于 pandas 的 DataFrame）、linfa（机器学习）、plotters（可视化）。
• 使用 csv、serde 和 polars 高效地加载、清洗和转换数据（CSV、JSON、Parquet）。
• 构建机器学习模型：回归、分类、聚类——使用 linfa 和 smartcore。
• 性能优化：使用 rayon 进行并行处理、线程操作、性能分析。
• 通过 PyO3 将 Rust 与 Python 集成——为现有 Python 项目创建快速模块。
• 数据可视化：使用 plotters 和 vgtk 绘制图表和图形。

本书特色：

• 使用真实数据集（服务器日志、金融时间序列、地理数据）的实践示例。
• 在相同任务上 Rust 与 Python 的性能对比。
• 完整项目：从简单的日志解析器到时间序列预测模型。
• 关于调试、测试以及在生产环境中部署 Rust 应用程序的建议。

本书既适合希望加速 ETL 流程的数据工程师，也适合处理海量数据的研究人员。您不仅能编写快速且安全的程序，还能轻松将其集成到现有的 Python 管道中。

阅读本书后，您将能够独立创建高性能的数据分析工具，其运行速度比 Python 同类工具快数十倍，从而节省服务器资源和开发时间。