如果有人在用Nvidia RAPIDS加速pandas和sklearn等庫，請看我這個小示例，可以節省你大量時間。

1. 創建環境

請使用uv，而非conda/mamba。

# install uv if not yetcurl -LsSf https://astral.sh/uv/install.sh | shuv init data_gpucd data_gpuuv venv --python 3.12source .venv/bin/activate# 大的要來了# 使用阿里云開源鏡像uv pip install \-i http://mirrors.aliyun.com/pypi/simple/ \--extra-index-url=https://pypi.nvidia.com \"cudf-cu12==25.4.*" "cuml-cu12==25.4.*" \"polars[pandas,numpy,pyarrow,style,plot,excel,gpu]" \polars-u64-idx scikit-learn scipy statsmodels tqdm ipykernel jupyter --prerelease=allow --index-strategy unsafe-best-match

2. 在腳本中啟用

import cudf.pandas
cudf.pandas.install()
from cuml.accel.core import install as cuml_install
cuml_install(disable_uvm=False)
import pandas as pd
import polars as pl
import numpy as np
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

現在，pandas, sklearn, polars都有GPU加持。但是并非所有函數都受支持。具體情況自己去看官方文檔。

另外，不要使用 python -m cuml.accel my_script.py，這樣你就無法向my_script.py傳自己的參數。