我现在被一个问题卡住了，希望有人能给我点化。
我的部门有一些panda脚本，用于从CSV获取数据，进行一些小的转换，然后使用SQL Alchemy ORM（dataframe.to_sql）将其写入我们的SQL Server数据库。此连接使用fast_executemany参数设置。处理后的 Dataframe 只有大约50 K行和大约20列。写入SQL数据库大约需要2/3分钟。
我最近开始探索将这个脚本的Pandas部分替换为Polars，以匹配我们的其他一些过程。从Pandas切换到Polars后，转换时间大大缩短，在Polars中完成转换后，我使用www.example.com _pandas（）将输出帧转换为PandasDFPolarsFrame.to。
当我尝试将这个转换后的Polars帧写入SQL服务器时，我的问题出现了，使用的方法与Pandas Dataframe 完全相同。但是，将相同数量的数据写入SQL需要大约25/30分钟。
我似乎找不出原因。我的直觉是，在用两种方法比较SQL表之后，Polars似乎是以随机顺序写入SQL的。当插入每一行时，我们会自动为该行分配一个“RecordId”，而Pandas Dataframe 是按顺序插入的。当我将其与Polars数据表进行比较时，RecordId字段变为“1，10，5，19，5000”。8等。
是不是还有什么我没注意到的，或者有什么原因让我这么做？