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.

Transformer des colonnes

Transformer des données avec une expression

Agréger une colonne

Transformer des données

Ajouter des colonnes

Ajouter une nouvelle colonne

Utiliser une expression spécifique à un Dtype

Renommer et supprimer des colonnes

Travailler avec plusieurs colonnes

Transformer plusieurs colonnes

Créer de nouvelles colonnes avec un suffixe

Combiner des sélecteurs

Introduction au mode paresseux

Créer une requête paresseuse (Lazy)

Qu’est-ce qui influence le prix des VE ?

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

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.

Utiliser une expression spécifique à un Dtype

Instructions de l’exercice

Exercice interactif pratique