Réduction de taille des colonnes numériques

Maintenant que les plages de valeurs semblent sûres, convertissez les colonnes numériques vers des dtypes plus petits. Utilisez Int32 pour les colonnes entières et Float32 pour les colonnes flottantes lorsque une précision moindre reste suffisante pour les statistiques descriptives.

Le DataFrame movies est préchargé pour vous.

Cet exercice fait partie du cours

<cours>Mise à l'échelle et optimisation des pipelines de données avec Polars</cours>

Voir le cours

Instructions de l’exercice

Convertissez vote_count et budget en pl.Int32.
Convertissez runtime et vote_average en pl.Float32.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

movies_optimized = movies.with_columns(
    # Integer columns to Int32
    pl.col("vote_count").cast(pl.____),
    pl.col("budget").cast(pl.____),
    # Float columns to Float32
    pl.col("runtime").cast(pl.____),
    pl.col("vote_average").cast(pl.____),
)

result = movies_optimized.select(
    "movie_title", "budget", "runtime", "vote_average", "vote_count"
).head(8)
print(result)

Modifier et exécuter le code