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.

Pengenalan Polars DataFrame

Muat sebuah CSV ke dalam DataFrame

Memeriksa sebuah DataFrame

Membuat Subset DataFrame

Membuat Series dari sebuah DataFrame

Membuat subset DataFrame dengan notasi kurung siku

Pilih subset kolom dengan .select()

Mengurutkan dan Meringkas DataFrame

Mengurutkan data EV

Merangkum sebuah DataFrame

Nilai ekstrem dalam sebuah 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

Pelajari cara memanipulasi data dan mengekstrak wawasan dengan Polars, paket serbaguna yang andal untuk bekerja dengan data tabular di Python. Dirancang untuk kecepatan dan efisiensi, Polars cocok untuk segala kebutuhan, mulai dari eksplorasi data cepat hingga analitik mendalam. Dalam kursus ini, Anda akan mempelajari teknik inti untuk mentransformasi, membersihkan, menganalisis, dan memvisualisasikan data tabular.

<h2>Temukan Manipulasi Data yang Efisien dengan Polars</h2>Polars adalah paket yang kuat dan serbaguna untuk bekerja dengan data tabel dalam Python. Dirancang untuk kecepatan dan efisiensi, Polars adalah pilihan yang tepat untuk segala hal, mulai dari eksplorasi data cepat hingga analisis detail. Dalam kursus ini, Anda akan mempelajari dasar-dasar penggunaan Polars untuk bekerja dengan data Anda.<br><br><h2>Muat, Jelajahi, dan Bersihkan Data Anda</h2>Anda akan memulai dengan mempelajari cara mengimpor berkas CSV ke dalam Polars DataFrames, merangkum isinya, dan memilih data yang paling penting. Selanjutnya, Anda akan mempelajari cara membersihkan dataset Anda dengan menemukan dan menghapus data yang hilang atau terduplikasi.<br><br><h2>Analisis dan Visualisasikan Data Anda dengan Efisien</h2>Kemudian Anda akan melakukan analisis data yang lebih rinci dengan membagi data Anda ke dalam kelompok-kelompok dan menghitung statistik untuk setiap kelompok. Anda juga akan berlatih mengubah kolom menggunakan ekspresi Polars, dan melihat bagaimana Polars memudahkan untuk mengubah beberapa kolom sekaligus. Visualisasi sangat penting untuk mendapatkan wawasan dari data Anda dan menyampaikan wawasan tersebut kepada orang lain. Pada akhir kursus ini, Anda akan mampu membuat visualisasi yang jelas untuk menyajikan wawasan.<br><br><h2>Optimalkan dengan Polars Lazy Execution</h2>Salah satu fitur unggulan Polars adalah kemampuannya untuk mengoptimalkan kode Anda guna meningkatkan kinerja. Anda akan belajar cara mengaktifkan optimasi dan memahami bagaimana optimasi-optimasi ini bekerja. Dengan pengalaman yang Anda peroleh dari kursus ini, Anda akan siap menggunakan Polars untuk berbagai tugas pengolahan data dunia nyata dan mengungkap wawasan berharga.

Intermediate Python

Pelajari cara mengubah, membersihkan, dan menganalisis data dengan Polars, pustaka Python yang cepat.

Pengantar Polars

Pelajari cara mengolah, membersihkan, dan menganalisis data secara efisien menggunakan Polars, sebuah perpustakaan Python untuk manipulasi data yang cepat.

Membuat subset DataFrame dengan notasi kurung siku

Pengantar Polars

Latihan interaktif praktis