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.

Introduzione al DataFrame di Polars

Carica un CSV in un DataFrame

Ispeziona un DataFrame

Creare sottoinsiemi di un DataFrame

Creare una Series da un DataFrame

Selezionare sottoinsiemi di un DataFrame con la notazione a parentesi

Seleziona un sottoinsieme di colonne con .select()

Ordinare e riepilogare un DataFrame

Ordinare i dati sugli EV

Riepilogare un DataFrame

Valori estremi in un 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

Scopri come manipolare i dati ed estrarre insight con Polars, un potente pacchetto generico per lavorare con dati tabellari in Python. Progettato per velocità ed efficienza, Polars è un'ottima scelta tanto per un'esplorazione rapida dei dati quanto per analisi approfondite. In questo corso imparerai le tecniche fondamentali per trasformare, pulire, analizzare e visualizzare dati tabellari.

<h2>Scopri come gestire i dati in modo efficiente con Polars</h2>Polars è un pacchetto super potente e versatile per lavorare con i dati tabulari in Python. Pensato per essere veloce ed efficiente, Polars è perfetto per tutto, dalla rapida esplorazione dei dati all'analisi dettagliata. In questo corso imparerai le basi per usare Polars per lavorare con i tuoi dati.<br><br><h2>Carica, esplora e pulisci i tuoi dati</h2>Inizierai imparando come importare file CSV nei DataFrame di Polars, riassumere il loro contenuto e scegliere i dati più importanti. Poi, scoprirai come pulire il tuo set di dati trovando e togliendo quelli mancanti o duplicati.<br><br><h2>Analizza e visualizza i tuoi dati in modo efficiente</h2>Poi ti occuperai di un'analisi dei dati più approfondita, dividendo i tuoi dati in gruppi e calcolando le statistiche per ciascuno di essi. Imparerai anche a trasformare le colonne con le espressioni Polars e vedrai come Polars rende facile trasformare più colonne contemporaneamente. La visualizzazione è fondamentale per capire meglio i tuoi dati e condividere queste informazioni con gli altri. Alla fine del corso saprai creare visualizzazioni chiare per presentare le tue intuizioni.<br><br><h2>Ottimizza con Polars Lazy Execution</h2>Una cosa super utile di Polars è che può ottimizzare il tuo codice per migliorare le prestazioni. Imparerai come attivare l'ottimizzazione e capire come funzionano queste ottimizzazioni. Grazie a quello che hai imparato in questo corso, sarai pronto a usare Polars per un sacco di attività con dati reali e a scoprire informazioni utili.

Intermediate Python

Scopri come trasformare, pulire e analizzare dati con Polars, libreria Python veloce e flessibile.

Introduzione a Polars

Scopri come trasformare, pulire e analizzare i dati in modo efficiente usando Polars, una libreria Python per la manipolazione veloce dei dati.

Selezionare sottoinsiemi di un DataFrame con la notazione a parentesi

Introduzione a Polars

Esercizio pratico interattivo