W tym rozdziale nauczysz się tworzyć DataFrame z pliku CSV, sprawdzać jego zawartość, wybierać podzbiory wierszy i kolumn oraz sortować i podsumowywać dane.

Wprowadzenie do DataFrame w Polars

Wczytaj plik CSV do DataFrame

Inspekcja DataFrame

Wybieranie podzbioru danych z DataFrame

Tworzenie Series z DataFrame

Wybieranie podzbiorów DataFrame za pomocą notacji nawiasowej

Wybieranie podzbioru kolumn za pomocą .select()

Sortowanie i podsumowywanie DataFrame

Sortowanie danych o pojazdach elektrycznych

Podsumowanie DataFrame

Wartości ekstremalne w DataFrame

Tworzenie DataFrame'ów i wybieranie danych

W kolejnym rozdziale nauczysz się przekształcać dane za pomocą wyrażeń, dodawać i aktualizować kolumny w DataFrame, pracować z wieloma kolumnami, a także poznasz tryb leniwy i optymalizację zapytań.

Przekształcanie kolumn

Transformowanie danych za pomocą wyrażenia

Agregowanie kolumny

Przekształcanie danych

Dodawanie kolumn

Dodawanie nowej kolumny

Wyrażenia specyficzne dla typu danych

Zmienianie nazw i usuwanie kolumn

Praca z wieloma kolumnami

Przekształcanie wielu kolumn

Tworzenie nowych kolumn z sufiksem

Łączenie selektorów

Wprowadzenie do trybu leniwego

Tworzenie leniwego zapytania

Co wpływa na ceny pojazdów elektrycznych?

Przekształcanie danych za pomocą wyrażeń

W ostatnim rozdziale nauczysz się filtrować DataFrame, aby uzyskać podzbiór wierszy, obsługiwać brakujące i zduplikowane wartości, grupować dane według jednej lub wielu kolumn oraz konwertować DataFrame między formatem długim a szerokim.

Filtrowanie wierszy

Filtrowanie z jednym warunkiem

Łączenie wielu warunków filtrowania

Negowanie predykatu

Obsługa brakujących i zduplikowanych wartości

Znajdowanie i usuwanie brakujących wartości

Zastępowanie brakujących wartości

Usuwanie zduplikowanych wartości

Agregacje z grupowaniem

Zliczanie wartości

Agregacja z grupowaniem

Wiele agregacji na kolumnie

Przestawianie i odwracanie przestawienia

Przestawianie ramki danych (pivot)

Przekształcanie danych z formatu szerokiego do długiego

Podsumowanie

Analiza danych

Music Streams

Electric Vehicles

Dowiedz się, jak manipulować danymi i wydobywać z nich wnioski za pomocą Polars – wydajnej biblioteki ogólnego przeznaczenia do pracy z danymi tabelarycznymi w Pythonie. Zaprojektowana z myślą o szybkości i efektywności, Polars sprawdzi się zarówno przy szybkiej eksploracji danych, jak i szczegółowej analizie. W tym kursie poznasz kluczowe techniki przekształcania, czyszczenia, analizowania i wizualizowania danych tabelarycznych.

<h2>Odkryj efektywną manipulację danymi z Polars</h2>Polars to potężny, uniwersalny pakiet do pracy z danymi tabelarycznymi w Pythonie. Zaprojektowany z myślą o szybkości i wydajności, Polars to świetny wybór do wszystkiego — od szybkiej eksploracji danych po szczegółowe analizy. W tym kursie poznasz podstawy korzystania z Polars do pracy z danymi.<br><br><h2>Wczytuj, eksploruj i czyść swoje dane</h2>Zaczniesz od nauki importowania plików CSV do DataFrame’ów Polars, podsumowywania ich zawartości i wybierania danych, które mają największe znaczenie. Następnie odkryjesz, jak oczyścić swój zbiór danych, znajdując i usuwając brakujące lub zduplikowane dane.<br><br><h2>Analizuj i wizualizuj swoje dane efektywnie</h2>Następnie zajmiesz się bardziej szczegółową analizą danych, dzieląc dane na grupy i obliczając statystyki dla każdej grupy. Będziesz też ćwiczyć przekształcanie kolumn za pomocą wyrażeń Polars i zobaczysz, jak Polars ułatwia jednoczesne przekształcanie wielu kolumn. Wizualizacja jest kluczowa, aby uzyskać wgląd w swoje dane i przekazywać te spostrzeżenia innym. Po ukończeniu kursu będziesz potrafić tworzyć przejrzyste wizualizacje, aby prezentować wnioski.<br><br><h2>Optymalizacja dzięki leniwemu wykonywaniu w Polars</h2>Jedną z najpotężniejszych funkcji Polars jest możliwość optymalizacji kodu w celu zwiększenia wydajności. Nauczysz się, jak włączyć optymalizację i zrozumieć, jak działają te optymalizacje. Dzięki doświadczeniu zdobytemu na tym kursie będziesz gotowy(-a) korzystać z Polars do szerokiego zakresu rzeczywistych zadań związanych z danymi i odkrywać cenne wnioski.

Intermediate Python

Poznaj efektywne przekształcanie, czyszczenie i analizę danych z Polars, szybką biblioteką Python.

Wprowadzenie do Polars

Naucz się efektywnie przekształcać, czyścić i analizować dane za pomocą Polars, biblioteki Pythona do szybkiej manipulacji danymi.

Data Processing and Pipeline Optimization with Polars

Podsumowanie DataFrame

Wprowadzenie do Polars

Instrukcje do ćwiczenia

Interaktywne ćwiczenie praktyczne