Neste capítulo, você vai aprender como criar um DataFrame a partir de um CSV, como inspecionar um DataFrame, como selecionar subconjuntos de linhas e colunas e como ordenar e resumir um DataFrame.

Introdução ao DataFrame do Polars

Carregar um CSV em um DataFrame

Inspecionar um DataFrame

Criando subconjuntos de um DataFrame

Criando uma Series a partir de um DataFrame

Selecionando subconjuntos de um DataFrame com notação de colchetes

Selecione um subconjunto de colunas com .select()

Classificando e resumindo um DataFrame

Classificando os dados de VE

Resumindo um DataFrame

Valores extremos em um DataFrame

Criando DataFrames e selecionando dados

Em seguida, você vai aprender como transformar dados com expressões, como adicionar ou atualizar colunas em um DataFrame, como trabalhar com várias colunas e terá uma introdução ao modo lazy e à otimização de consultas.

Transformando colunas

Transformando dados com uma expressão

Agregando uma coluna

Transformando dados

Adicionando colunas

Adicionando uma nova coluna

Usando uma expressão específica de Dtype

Renomeando e removendo colunas

Trabalhando com várias colunas

Transformando várias colunas

Criando novas colunas com um sufixo

Combinando seletores

Apresentando o modo lazy

Criando uma consulta Lazy

O que influencia os preços de EVs?

Transformando dados com expressões

No capítulo final, você vai aprender como filtrar um DataFrame para obter um subconjunto de linhas, como lidar com valores ausentes ou duplicados, como agrupar por uma ou mais colunas e como converter um DataFrame entre os formatos longo e amplo.

Filtrando linhas

Filtrando com uma única condição

Combinando várias condições de filtro

Negando um predicado

Tratando valores ausentes e duplicados

Encontrando e removendo valores ausentes

Substituindo valores ausentes

Removendo valores duplicados

Agregações por grupo

Contando valores

Agregação com group-by

Agregações múltiplas em uma coluna

Pivot e unpivot

Fazendo pivot em um DataFrame

Desempilhando dados do formato largo para o formato longo

Fechando com chave de ouro

Analisando dados

Electric Vehicles

Music Streams

Descubra como manipular dados e extrair insights com o Polars, um pacote poderoso e de uso geral para trabalhar com dados tabulares em Python. Projetado para velocidade e eficiência, o Polars é uma ótima escolha tanto para explorações rápidas quanto para análises detalhadas. Neste curso, você vai aprender as técnicas essenciais para transformar, limpar, analisar e visualizar dados tabulares.

<h2>Descubra a manipulação eficiente de dados com Polars</h2>Polars é um pacote poderoso e de uso geral para trabalhar com dados tabulares em Python. Projetado para velocidade e eficiência, o Polars é uma ótima escolha para tudo, desde exploração rápida de dados até análises detalhadas. Neste curso, você aprenderá os fundamentos de usar o Polars para trabalhar com seus dados.<br><br><h2>Carregue, Explore e Limpe Seus Dados</h2>Você começará aprendendo a importar arquivos CSV para DataFrames do Polars, resumir seu conteúdo e selecionar os dados que mais importam. Em seguida, você vai descobrir como limpar seu conjunto de dados, identificando e removendo dados ausentes ou duplicados.<br><br><h2>Analise e visualize seus dados com eficiência</h2>Em seguida, você enfrentará uma análise de dados mais detalhada ao dividir seus dados em grupos e calcular estatísticas para cada grupo. Você também vai praticar a transformação de colunas com expressões do Polars e ver como o Polars facilita transformar várias colunas ao mesmo tempo. A visualização é crucial para obter insights dos seus dados e comunicar esses insights a outras pessoas. Ao final do curso, você será capaz de criar visualizações claras para apresentar insights.<br><br><h2>Otimize com a Execução Lazy do Polars</h2>Um recurso poderoso do Polars é que ele pode otimizar seu código para aumentar o desempenho. Você aprenderá como habilitar a otimização e entender como essas otimizações funcionam. Com a experiência adquirida neste curso, você estará pronto para usar o Polars em uma ampla variedade de tarefas de dados do mundo real e descobrir insights valiosos.

Intermediate Python

Aprenda a transformar, limpar e analisar dados com Polars, uma biblioteca Python rápida e flexível.

Introdução ao Polars

Aprenda a transformar, limpar e analisar dados com eficiência usando Polars, uma biblioteca Python para manipulação rápida de dados.

Data Processing and Pipeline Optimization with Polars

Usando uma expressão específica de Dtype

Introdução ao Polars

Instruções do exercicio

exercicio interativo prático