✅ haniwers における pandas → polars 移行の整理

🔍 適用対象と polars の相性

処理ステップ	内容	polars に向いているか
run2csv	生データ → CSV変換	△（主にI/O）
scan	閾値を変えながらイベント走査	◎（filter + groupby 高速）
vth, fit	閾値最適化やフィッティング	◎（複数閾値の統計計算）
postprocess	統計・変換	◎（expressionが強力）
可視化前処理	グラフ用データの集約	◎（binning・hist対応）

---

🚀 polars導入による主なメリット

• 高速処理（特に scan, vth, fit）

  • マルチスレッド対応、lazy evaluation で最適化

• 低メモリ使用（大規模Runに効果大）

• 列ベース処理に強い

  • 閾値比較・ヒット判定などの操作が効率的

---

🛠 移行対象となるモジュール候補

• threshold.py

• postprocess.py

• preprocess.py

---

⚠ 検討すべき点（移行コスト）

• DataFrame API が pandas と一部非互換

• to_pandas() により併用可能ではある

• 小規模Runやインタラクティブ用途では pandas の方が柔軟なことも

---

💡 移行の進め方（推奨）

1. まずは scan や threshold 処理だけ polars で試験的に実装

2. pandas と polars を併用しながらベンチマーク比較

3. パフォーマンスが顕著な場合、他の処理にも段階的に展開

---

🎯 結論

haniwers のような構造が固定されたセンサーデータ処理では、polars への置き換えは 処理速度・メモリ効率・今後の拡張性の面で非常に意義がある。