In questo capitolo imparerai a creare un DataFrame da un CSV, a ispezionare un DataFrame, a selezionare sottoinsiemi di righe e colonne e a ordinare e riassumere un 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

Creare DataFrame e selezionare i dati

Poi imparerai a trasformare i dati con le espressioni, ad aggiungere o aggiornare colonne in un DataFrame, a lavorare con più colonne e avrai un'introduzione alla modalità lazy e all'ottimizzazione delle query.

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?

Trasformare i dati con le espressioni

Nel capitolo finale imparerai a filtrare un DataFrame per ottenere un sottoinsieme di righe, a gestire valori mancanti o duplicati, a raggruppare per una o più colonne e a convertire un DataFrame tra formati long e wide.

Filtrare le righe

Filtrare con una singola condizione

Combinare più condizioni di filtro

Negare un predicato

Gestire valori mancanti e duplicati

Trovare ed eliminare i valori mancanti

Sostituire i valori mancanti

Eliminare i valori duplicati

Aggregazioni con raggruppamento

Conteggio dei valori

Aggregazione con group-by

Aggregazioni multiple su una colonna

Pivot e unpivot

Effettuare il pivot di un DataFrame

Da wide a long con unpivot

Riepilogo

Analizzare i dati

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 interattivo pratico