V této kapitole se naučíš, jak vytvořit DataFrame z CSV souboru, jak DataFrame prozkoumat, jak vybírat podmnožiny řádků a sloupců a jak DataFrame seřadit a shrnout.

Úvod do Polars DataFrame

Načtení CSV do DataFrame

Prozkoumání DataFrame

Výběr podmnožiny dat z DataFrame

Vytvoření Series z DataFrame

Výběr podmnožiny DataFrame pomocí hranatých závorek

Výběr podmnožiny sloupců pomocí .select()

Řazení a sumarizace DataFrame

Řazení dat o elektromobilech

Shrnutí DataFrame

Extrémní hodnoty v DataFramu

Vytváření DataFramů a výběr dat

V další části se naučíš transformovat data pomocí výrazů, přidávat nebo aktualizovat sloupce v DataFramu, pracovat s více sloupci a seznámíš se s líným režimem a optimalizací dotazů.

Transformace sloupců

Transformace dat pomocí výrazu

Agregace sloupce

Transforming Data

Přidávání sloupců

Přidání nového sloupce

Použití výrazu specifického pro datový typ

Přejmenování a odebrání sloupců

Práce s více sloupci

Transforming Multiple Columns

Vytváření nových sloupců s příponou

Kombinování selektorů

Představení lazy módu

Vytvoření lazy query

Co ovlivňuje ceny elektromobilů?

Transformace dat pomocí výrazů

V závěrečné kapitole se naučíš filtrovat DataFrame a získávat podmnožiny řádků, pracovat s chybějícími nebo duplicitními hodnotami, seskupovat data podle jednoho či více sloupců a převádět DataFrame mezi dlouhým a širokým formátem.

Filtrování řádků

Filtrování s jednou podmínkou

Kombinování více podmínek filtrování

Negace podmínky

Práce s chybějícími a duplicitními hodnotami

Hledání a odstraňování chybějících hodnot

Nahrazení chybějících hodnot

Odstranění duplicitních hodnot

Skupinové agregace

Počítání hodnot

Agregace pomocí group-by

Více agregací nad sloupcem

Pivotování a unpivotování

Pivotování DataFrame

Unpivoting dat z širokého do dlouhého formátu

Závěrečné shrnutí

Analýza dat

Music Streams

Electric Vehicles

Zjisti, jak manipulovat s daty a získávat z nich poznatky pomocí Polars – výkonného univerzálního balíčku pro práci s tabulkovými daty v Pythonu. Polars je navržen s důrazem na rychlost a efektivitu a hodí se na všechno od rychlého průzkumu dat až po podrobnou analýzu. V tomto kurzu se naučíš klíčové techniky pro transformaci, čištění, analýzu a vizualizaci tabulkových dat.

<h2>Objevte efektivní práci s daty s Polars</h2>Polars je výkonný univerzální balíček pro práci s tabulkovými daty v Pythonu. Navržený pro rychlost a efektivitu, Polars je skvělou volbou pro vše od rychlého průzkumu dat až po detailní analytiku. V tomto kurzu se naučíte základy používání Polars pro práci s vašimi daty.<br><br><h2>Načtěte, prozkoumejte a vyčistěte svá data</h2>Začnete tím, že se naučíte importovat soubory CSV do DataFrame v Polars, shrnout jejich obsah a vybrat data, na kterých nejvíce záleží. Dále zjistíte, jak vyčistit svůj datový soubor tím, že najdete a odstraníte chybějící nebo duplicitní data.<br><br><h2>Analyzujte a vizualizujte svá data efektivně</h2>Poté se pustíte do podrobnější analýzy dat, kdy rozdělíte svá data do skupin a pro každou skupinu vypočítáte statistiky. Také si procvičíte transformaci sloupců pomocí výrazů Polars a uvidíte, jak Polars usnadňuje transformaci více sloupců najednou. Vizualizace je klíčová pro získávání poznatků z vašich dat a jejich sdílení s ostatními. Na konci kurzu budete schopni vytvářet přehledné vizualizace pro prezentaci poznatků.<br><br><h2>Optimalizujte pomocí Polars Lazy Execution</h2>Jednou z nejsilnějších funkcí Polars je, že dokáže optimalizovat váš kód a zvýšit výkon. Naučíte se, jak povolit optimalizaci a pochopíte, jak tyto optimalizace fungují. Díky zkušenostem z tohoto kurzu budete připraveni používat Polars pro širokou škálu reálných datových úloh a odhalovat cenné poznatky.

Intermediate Python

Naučte se efektivně transformovat, čistit a analyzovat data pomocí Polars, rychlé knihovny Pythonu.

Introduction to Polars

Naučte se efektivně transformovat, čistit a analyzovat data pomocí Polars, knihovny Pythonu pro rychlou manipulaci s daty.

Data Processing and Pipeline Optimization with Polars

Výběr podmnožiny DataFrame pomocí hranatých závorek

Introduction to Polars

Interaktivní cvičení na vyzkoušení si v praxi