En este capítulo, aprenderás a crear un DataFrame a partir de un CSV, a inspeccionar un DataFrame, a seleccionar subconjuntos de filas y columnas, y a ordenar y resumir un DataFrame.

Introducción al DataFrame de Polars

Carga un CSV en un DataFrame

Inspeccionar un DataFrame

Crear subconjuntos de un DataFrame

Crear una Series desde un DataFrame

Subconjuntos de un DataFrame con notación de corchetes

Selecciona un subconjunto de columnas con .select()

Ordenar y resumir un DataFrame

Ordenar los datos de vehículos eléctricos (EV)

Resumir un DataFrame

Valores extremos en un DataFrame

Crear DataFrames y seleccionar datos

A continuación, aprenderás a transformar datos con expresiones, a añadir o actualizar columnas en un DataFrame, a trabajar con varias columnas y tendrás una introducción al modo perezoso y a la optimización de consultas.

Transformar columnas

Transformar datos con una expresión

Agrupar una columna

Transformar datos

Añadir columnas

Añadir una columna nueva

Usar una expresión específica de Dtype

Renombrar y eliminar columnas

Trabajar con varias columnas

Transformar varias columnas

Crear columnas nuevas con un sufijo

Combinando selectores

Introducción al modo perezoso

Crear una consulta Lazy

¿Qué determina el precio de los EV?

Transformar datos con expresiones

En el capítulo final, aprenderás a filtrar un DataFrame para obtener un subconjunto de filas, a gestionar valores ausentes o duplicados, a agrupar por una o varias columnas y a convertir un DataFrame entre formatos largos y anchos.

Filtrar filas

Filtrar con una sola condición

Combinando varias condiciones de filtrado

Negar un predicado

Cómo gestionar valores ausentes y duplicados

Buscar y eliminar valores ausentes

Reemplazar valores faltantes

Eliminar valores duplicados

Agregaciones agrupadas

Contar valores

Agregación con group-by

Varias agregaciones en una columna

Pivotar y desapilar

Hacer un pivot de un DataFrame

Deshacer el pivoteado de ancho a largo

Para terminar

Analizar datos

Music Streams

Electric Vehicles

Descubre cómo manipular datos y extraer insights con Polars, un paquete potente y de propósito general para trabajar con datos tabulares en Python. Diseñado para ser rápido y eficiente, Polars es una excelente opción tanto para explorar datos rápidamente como para hacer análisis detallados. En este curso, aprenderás las técnicas clave para transformar, limpiar, analizar y visualizar datos tabulares.

<h2>Descubre cómo manipular datos de forma eficiente con Polars</h2>Polars es un potente paquete de uso general para trabajar con datos tabulares en Python. Diseñado para ofrecer velocidad y eficiencia, Polars es una opción ideal para todo, desde una exploración rápida de datos hasta análisis detallados. En este curso, aprenderás los conceptos básicos del uso de Polars para trabajar con tus datos.<br><br><h2>Carga, explora y limpia tus datos</h2>Empezarás aprendiendo a importar archivos CSV a los DataFrames de Polars, a resumir su contenido y a seleccionar los datos más relevantes. A continuación, descubrirás cómo limpiar tu conjunto de datos buscando y eliminando los datos que faltan o los duplicados.<br><br><h2>Analiza y visualiza tus datos de forma eficaz</h2>Después, te pondrás con un análisis más detallado de los datos, dividiéndolos en grupos y calculando las estadísticas de cada uno de ellos. También practicarás cómo transformar columnas con expresiones de Polars y verás lo fácil que resulta transformar varias columnas a la vez con Polars. La visualización es fundamental para extraer información de tus datos y transmitirla a los demás. Al finalizar el curso, serás capaz de crear visualizaciones claras para presentar tus conclusiones.<br><br><h2>Optimiza con la ejecución diferida de Polars</h2>Una de las grandes ventajas de Polars es que puede optimizar tu código para mejorar el rendimiento. Aprenderás a activar la optimización y a entender cómo funcionan estas optimizaciones. Con lo que aprendas en este curso, estarás preparado para usar Polars en una amplia variedad de tareas con datos reales y descubrir información valiosa.

Intermediate Python

Aprende a transformar, limpiar y analizar datos eficientemente con Polars, una librería rápida de Python.

Introducción a Polars

Descubre cómo transformar, limpiar y analizar datos de forma eficiente con Polars, una biblioteca de Python para la manipulación rápida de datos.

Data Processing and Pipeline Optimization with Polars

Usar una expresión específica de Dtype

Introducción a Polars

Instrucciones del ejercicio

ejercicio interactivo práctico