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.

Introduction to the Polars DataFrame

Load a CSV into a DataFrame

Inspect a DataFrame

Subsetting a DataFrame

Creating a Series from a DataFrame

Subsetting a DataFrame with bracket notation

Select a subset of columns with .select()

Sorting and summarizing a DataFrame

Sorting the EV data

Summarizing a DataFrame

Extreme values in a 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.

Filtrer des lignes

Filtrer avec une seule condition

Combiner plusieurs conditions de filtrage

Nier un prédicat

Gérer les valeurs manquantes et dupliquées

Détecter et supprimer les valeurs manquantes

Remplacer les valeurs manquantes

Suppression des valeurs en double

Agrégations groupées

Compter des valeurs

Agrégation avec group-by

Agrégations multiples sur une colonne

Pivot et dé-pivot

Faire un pivot d’un DataFrame

Dépivotage des données : du format large au format long

Pour conclure

Analyzing Data

Electric Vehicles

Music Streams

Découvrez comment manipuler des données et en tirer des informations avec Polars, un package polyvalent et performant pour travailler avec des données tabulaires en Python. Conçu pour la vitesse et l’efficacité, Polars est idéal aussi bien pour une exploration rapide que pour des analyses approfondies. Dans ce cours, vous apprendrez les techniques essentielles pour transformer, nettoyer, analyser et visualiser des données tabulaires.

<h2>Découvrez la manipulation efficace des données avec Polars</h2>Polars est un ensemble d'outils puissant et polyvalent pour travailler avec des données tabulaires en Python. Conçu pour la rapidité et l'efficacité, Polars constitue un excellent choix pour toutes les tâches, de l'exploration rapide des données à l'analyse détaillée. Dans ce cours, vous apprendrez les principes fondamentaux de l'utilisation de Polars pour travailler avec vos données.<br><br><h2>Chargez, explorez et nettoyez vos données</h2>Vous commencerez par apprendre à importer des fichiers CSV dans Polars DataFrame, à résumer leur contenu et à sélectionner les données les plus pertinentes. Ensuite, vous découvrirez comment nettoyer votre ensemble de données en identifiant et en supprimant les données manquantes ou dupliquées.<br><br><h2>Analysez et visualisez efficacement vos données</h2>Ensuite, vous effectuerez une analyse plus approfondie des données en les divisant en groupes et en calculant les statistiques pour chaque groupe. Vous vous exercerez également à transformer des colonnes à l'aide d'expressions Polars et découvrirez comment Polars facilite la transformation simultanée de plusieurs colonnes. La visualisation est essentielle pour tirer des enseignements de vos données et communiquer ces enseignements à d'autres. À la fin du cours, vous serez en mesure de créer des visualisations claires pour présenter vos conclusions.<br><br><h2>Optimisation avec l'exécution paresseuse Polars</h2>Une fonctionnalité remarquable de Polars est sa capacité à optimiser votre code afin d'améliorer les performances. Vous apprendrez comment activer l'optimisation et comprendrez comment ces optimisations fonctionnent. Grâce à l'expérience acquise dans ce cours, vous serez en mesure d'utiliser Polars pour une large gamme de tâches liées aux données du monde réel et de découvrir des informations précieuses.

Intermediate Python

Apprenez à transformer, nettoyer et analyser des données efficacement avec Polars, une bibliothèque Python rapide.

Introduction à Polars

Apprenez à transformer, nettoyer et analyser efficacement des données avec Polars, une bibliothèque Python pour la manipulation rapide des données.

Détecter et supprimer les valeurs manquantes

Exercice interactif pratique