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.

Introduction to the Polars DataFrame

Load a CSV into a DataFrame

Inspect a DataFrame

Subsetting a DataFrame

Creating a Series from a DataFrame

Subsetting a DataFrame with bracket notation

Select a subset of columns with .select()

Sorting and summarizing a DataFrame

Sorting the EV data

Summarizing a DataFrame

Extreme values in a 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.

Trasformare le colonne

Trasformare i dati con un'espressione

Aggregare una colonna

Trasformare i dati

Aggiungere colonne

Aggiungere una nuova colonna

Usare un'espressione specifica per Dtype

Rinominare ed eliminare colonne

Lavorare con più colonne

Trasformare più colonne

Creare nuove colonne con un suffisso

Combinare i selettori

Introduzione alla modalità lazy

Creare una query Lazy

Cosa incide sul prezzo delle auto elettriche?

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.

Usare un'espressione specifica per Dtype

Introduzione a Polars

Istruzioni dell'esercizio

Esercizio pratico interattivo