In questo capitolo imparerai a pulire e cercare dati testuali, estrarre pattern dalle stringhe e usare espressioni condizionali per trasformare le colonne.

Trasformare i dati con le espressioni

Conversione dei tipi di dato delle colonne

Rimozione degli spazi bianchi

Concatenare colonne di testo

Ricerca ed estrazione di testo

Cercare nel testo

Estrazione di stringhe dal testo

Sostituire più pattern

Creare espressioni condizionali

Categorizzare i clienti con condizioni

Concatenare più condizioni

Compilare i valori mancanti

Impara a effettuare il parsing e a manipolare le date, filtrare e aggregare i dati per periodi temporali e calcolare statistiche rolling e cumulative.

Analizzare e manipolare le date

Analizzare stringhe datetime

Estrarre la componente dell'ora

Calcolare le ore di fine del periodo di noleggio

Filtrare e aggregare per periodo temporale

Filtrare per una specifica data e ora

Filtrare per un intervallo di tempo

Calcolare i totali settimanali dei noleggi

Aggregazioni mobili e cumulative

Calcolare una somma mobile

Calcolare i noleggi cumulativi

Aggregazioni mobili su più colonne

Trasformare i dati per gruppo

Calcolare il totale orario con le funzioni finestra

Calcolare la differenza rispetto alla media oraria

Raggruppare per più colonne con le funzioni finestra

Lavorare con serie temporali e funzioni finestra

Questo capitolo tratta la combinazione dei DataFrame tramite concatenazione, i join su una o più colonne e l'abbinamento delle righe in base a condizioni o ai valori più vicini.

Concatenare i DataFrame

Impilare gli annunci per regione

Aggiungere colonne flag

Aggiungere nuove righe in modo efficiente

Join tra DataFrame

Aggiungere informazioni sull'host

Corrispondenza su combinazioni uniche

Mantenere tutte le inserzioni

Trovare le lacune in entrambi i DataFrame

Unire DataFrame per condizione o per corrispondenza più vicina

Abbinare gli annunci alle richieste di budget

Filtrare con condizioni multiple

Abbina all'aggiornamento di prezzo più vicino

Combinare e unire i DataFrame

Impara a creare espressioni personalizzate riutilizzabili, categorizzare i dati usando quantili e soglie fisse e analizzare ranking e correlazioni.

Applicare trasformazioni personalizzate

Convertire gli stream in miliardi

Creare espressioni riutilizzabili

Aggiungere un'espressione personalizzata

Calcolare quantili e istogrammi

Calcolo dei quantili di popolarità

Raggruppare gli streaming in fasce

Creare un istogramma della popolarità

Calcolare classifiche e correlazioni

Classificare gli album gestendo i pari merito

Costruire una matrice di correlazione

Riepiloghi personalizzati con describe

Tiriamo le somme

Trasformazioni personalizzate e analisi avanzate

bikes

reviews

spotify

hotels

Porta più avanti le tue competenze su Polars con tecniche intermedie per la trasformazione e l'analisi dei dati. Impara a pulire e cercare testo, lavorare con serie temporali usando funzioni rolling e window, e combinare DataFrame tramite join e concatenazione. Creerai anche espressioni personalizzate riutilizzabili e applicherai analisi avanzate, come quantili, istogrammi e correlazioni. Alla fine sarai in grado di gestire con sicurezza flussi di lavoro dei dati complessi.

Introduction to Polars

Intermediate Python for Developers

Sfrutta Polars con manipolazione testo, statistiche mobili, join DataFrame e analisi avanzate.

Trasformazione dei dati con Polars

Porta Polars oltre con manipolazione del testo, statistiche mobili, join di DataFrame e analisi avanzate.

Data Processing and Pipeline Optimization with Polars

Data Scientist & Polars Contributor

Unire con una condizione

Utenti dell’app con preferenze

La tabella degli utenti

Unire con più condizioni

Unire sui valori più recenti

Unire sui valori più vicini

Scegliere una strategia

Scegliere una strategia - backward

Scegliere una strategia - nearest

Scegliere una strategia - forward

Corrispondenza per gruppi

Passiamo alla pratica !

Combinare e unire i DataFrame - Unire DataFrame per condizione o per corrispondenza più vicina

Unire DataFrame per condizione o per corrispondenza più vicina

Create Your Free Account