Di bab ini, Anda akan mempelajari cara membuat DataFrame dari CSV, cara memeriksa DataFrame, cara memilih subset baris dan kolom, serta cara mengurutkan dan merangkum 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

Membuat DataFrame dan Memilih Data

Selanjutnya, Anda akan mempelajari cara mentransformasi data dengan ekspresi, menambahkan atau memperbarui kolom dalam DataFrame, bekerja dengan banyak kolom, serta pengantar mode malas (lazy) dan pengoptimalan kueri.

Transformasi kolom

Mentransformasi Data dengan Ekspresi

Mengagregasi sebuah kolom

Mentransformasi Data

Menambahkan kolom

Menambahkan kolom baru

Menggunakan Ekspresi Khusus Dtype

Mengganti nama dan menghapus kolom

Bekerja dengan banyak kolom

Mengubah Beberapa Kolom

Membuat kolom baru dengan akhiran (suffix)

Menggabungkan selektor

Pengenalan mode lazy

Membuat Kueri Lazy

Apa yang memengaruhi harga EV?

Transformasi Data dengan Ekspresi

Di bab terakhir, Anda akan mempelajari cara memfilter DataFrame untuk mendapatkan subset baris, menangani nilai hilang atau duplikat, melakukan pengelompokan berdasarkan satu atau lebih kolom, serta mengonversi DataFrame antara format panjang (long) dan lebar (wide).

Menyaring baris

Memfilter dengan satu kondisi

Menggabungkan beberapa kondisi penyaring

Menegasikan sebuah predikat

Menangani nilai hilang dan duplikat

Menemukan dan menghapus nilai hilang

Mengganti nilai yang hilang

Menghapus nilai duplikat

Agregasi berkelompok

Menghitung nilai

Agregasi group-by

Beberapa Agregasi pada Satu Kolom

Pivot dan unpivot

Melakukan pivot pada DataFrame

Mengubah Data dari Format Lebar ke Panjang (Unpivoting)

Penutup

Menganalisis 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 langsung praktik