In this chapter, you'll learn how to create a DataFrame from a CSV, how to inspect a DataFrame, how to select subsets of rows and columns and how to sort and summarize a DataFrame.

Einführung in das Polars-DataFrame

Eine CSV in ein DataFrame laden

Ein DataFrame inspizieren

Ein DataFrame subsetten

Eine Series aus einem DataFrame erstellen

Teilmenge eines DataFrames mit Klammernotation bilden

Wähle mit .select() eine Teilmenge von Spalten aus

Ein DataFrame sortieren und zusammenfassen

EV-Daten sortieren

Einen DataFrame zusammenfassen

Extreme Werte in einem DataFrame

Creating DataFrames and Selecting Data

Next up, you'll learn how to transform data with expressions, how to add or update columns in a DataFrame, how to work with multiple columns and get an introduction to lazy mode and query optimization.

Transforming columns

Transforming Data with an Expression

Aggregating a column

Transforming Data

Adding columns

Adding a new column

Using a Dtype-specific Expression

Renaming and dropping columns

Working with multiple columns

Transforming Multiple Columns

Creating new columns with a suffix

Combining selectors

Introducing lazy mode

Creating a Lazy Query

What drives EV prices?

Transforming Data with Expressions

In the final chapter, you'll learn how to filter a DataFrame to get a subset of rows, how to handle missing or duplicated values, grouping by one or more columns and converting a DataFrame between long and wide formats.

Filtering rows

Filtering with a single condition

Combining multiple filter conditions

Negating a predicate

Handling missing and duplicate values

Finding and dropping missing values

Replacing missing values

Dropping duplicate values

Grouped aggregations

Counting values

Group-by aggregation

Multiple Aggregations on a Column

Pivoting and unpivoting

Pivoting a DataFrame

Unpivoting Data from Wide to Long Format

Wrapping up

Analyzing Data

Electric Vehicles

Music Streams

Lerne, wie du Daten mit Polars bearbeitest und Erkenntnisse gewinnst – einem leistungsstarken, vielseitigen Paket für tabellarische Daten in Python. Polars ist auf Geschwindigkeit und Effizienz ausgelegt und eignet sich hervorragend für alles, von schneller Datenexploration bis hin zu detaillierten Analysen. In diesem Kurs lernst du die wichtigsten Techniken zum Transformieren, Bereinigen, Analysieren und Visualisieren tabellarischer Daten.

<h2>Entdecke effiziente Datenbearbeitung mit Polars</h2>Polars ist ein echt starkes, vielseitiges Paket für die Arbeit mit tabellarischen Daten in Python. Polars ist auf Geschwindigkeit und Effizienz ausgelegt und eignet sich super für alles, von der schnellen Datenexploration bis hin zu detaillierten Analysen. In diesem Kurs lernst du die Grundlagen der Verwendung von Polars für die Arbeit mit deinen Daten.<br><br><h2>Lade, erkunde und bereinige deine Daten</h2>Zuerst lernst du, wie du CSV-Dateien in Polars DataFrames importierst, ihren Inhalt zusammenfasst und die wichtigsten Daten auswählst. Als Nächstes lernst du, wie du deinen Datensatz bereinigst, indem du fehlende oder doppelte Daten findest und entfernst.<br><br><h2>Analysiere und zeig deine Daten auf coole Weise</h2>Dann machst du dich an eine detailliertere Datenanalyse, indem du deine Daten in Gruppen aufteilst und für jede Gruppe Statistiken berechnest. Du wirst auch das Umwandeln von Spalten mit Polars-Ausdrücken üben und sehen, wie Polars das gleichzeitige Umwandeln mehrerer Spalten vereinfacht. Visualisierung ist echt wichtig, um aus deinen Daten Erkenntnisse zu gewinnen und diese an andere weiterzugeben. Am Ende des Kurses kannst du klare Visualisierungen erstellen, um Erkenntnisse zu präsentieren.<br><br><h2>Optimieren mit Polars Lazy Execution</h2>Eine coole Funktion von Polars ist, dass es deinen Code optimieren kann, um die Leistung zu steigern. Du lernst, wie du die Optimierung aktivierst und wie diese Optimierungen funktionieren. Mit dem, was du in diesem Kurs gelernt hast, kannst du Polars für viele verschiedene Datenaufgaben in der Praxis nutzen und wertvolle Erkenntnisse gewinnen.

Intermediate Python

Lernen Sie, Daten mit Polars effizient zu transformieren, bereinigen und analysieren.

Einstieg in Polars

Hier lernst du, wie du mit Polars Daten effizient transformierst, bereinigst und analysierst.

Teilmenge eines DataFrames mit Klammernotation bilden

Interaktive praktische Übung