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

Wybieranie podzbiorów DataFrame za pomocą notacji nawiasowej

Wprowadzenie do Polars

Interaktywne ćwiczenie praktyczne