I det här kapitlet lär du dig hur du skapar en DataFrame från en CSV-fil, hur du inspekterar en DataFrame, hur du väljer delmängder av rader och kolumner samt hur du sorterar och sammanfattar en DataFrame.

Introduktion till Polars DataFrame

Läs in en CSV-fil i en DataFrame

Inspektera en DataFrame

Subsätta en DataFrame

Skapa en Series från en DataFrame

Subsetta en DataFrame med hakparentesnotation

Välj en delmängd av kolumner med .select()

Sortera och sammanfatta en DataFrame

Sortera elfordonsdatan

Sammanfatta en DataFrame

Extremvärden i en DataFrame

Skapa DataFrames och välja data

Härnäst lär du dig hur du transformerar data med uttryck, hur du lägger till eller uppdaterar kolumner i en DataFrame, hur du arbetar med flera kolumner samt får en introduktion till lazy-läge och frågeoptimering.

Transformera kolumner

Transformera data med ett uttryck

Aggregera en kolumn

Transformera data

Lägga till kolumner

Lägga till en ny kolumn

Använda ett datatypsspecifikt uttryck

Byta namn på och ta bort kolumner

Arbeta med flera kolumner

Transformera flera kolumner

Skapa nya kolumner med ett suffix

Kombinera selektorer

Introduktion till lazy mode

Skapa en lazy-fråga

Vad styr elpriset?

Transformera data med uttryck

I det sista kapitlet lär du dig hur du filtrerar en DataFrame för att få en delmängd av rader, hur du hanterar saknade eller duplicerade värden, hur du grupperar efter en eller flera kolumner samt hur du konverterar en DataFrame mellan långt och brett format.

Filtrera rader

Filtrering med ett enskilt villkor

Kombinera flera filtervillkor

Negera ett predikat

Hantera saknade och duplicerade värden

Hitta och ta bort saknade värden

Ersätta saknade värden

Ta bort duplicerade värden

Grupperade aggregeringar

Räkna värden

Aggregering med group-by

Flera aggregeringar på en kolumn

Pivotering och avpivotering

Pivotera en DataFrame

Konvertera data från brett till långt format

Avslutning

Analysera data

Music Streams

Electric Vehicles

Lär dig att bearbeta data och utvinna insikter med Polars – ett kraftfullt och mångsidigt paket för att arbeta med tabelldata i Python. Polars är utformat för snabbhet och effektivitet och passar lika bra för snabb dataexploration som för detaljerad analys. I den här kursen lär du dig de viktigaste teknikerna för att transformera, rensa, analysera och visualisera tabelldata.

<h2>Upptäck effektiv datamanipulation med Polars</h2>Polars är ett kraftfullt, allmänt användbart paket för att arbeta med tabulär data i Python. Utformat för snabbhet och effektivitet är Polars ett utmärkt val för allt från snabb datautforskning till detaljerad analys. I den här kursen lär du dig grunderna i att använda Polars för att arbeta med dina data.<br><br><h2>Läs in, utforska och rensa dina data</h2>Du börjar med att lära dig hur du importerar CSV-filer till Polars DataFrames, sammanfattar deras innehåll och väljer ut den data som är viktigast. Därefter får du lära dig hur du rensar ditt dataset genom att hitta och ta bort saknade eller duplicerade data.<br><br><h2>Analysera och visualisera dina data effektivt</h2>Sedan går du vidare till mer detaljerad dataanalys när du delar upp dina data i grupper och beräknar statistik för varje grupp. Du kommer också att öva på att omvandla kolumner med Polars-uttryck, och se hur Polars gör det enkelt att omvandla flera kolumner samtidigt. Visualisering är avgörande för att få insikter från dina data och kommunicera dessa insikter till andra. I slutet av kursen kommer du att kunna skapa tydliga visualiseringar för att presentera insikter.<br><br><h2>Optimera med Polars Lazy Execution</h2>En av Polars kraftfulla funktioner är att det kan optimera din kod för att öka prestandan. Du kommer att lära dig hur du aktiverar optimering och förstå hur dessa optimeringar fungerar. Med erfarenheten från den här kursen kommer du att vara redo att använda Polars för en mängd verkliga datauppgifter och upptäcka värdefulla insikter.

Intermediate Python

Lär dig att effektivt transformera, rengöra och analysera data med Polars, ett snabbt Python-bibliotek.

Introduktion till Polars

Lär dig att effektivt transformera, rensa och analysera data med Polars, ett Python-bibliotek för snabb datamanipulation.

Data Processing and Pipeline Optimization with Polars

Subsetta en DataFrame med hakparentesnotation

Introduktion till Polars

Interaktiv övning med praktiskt arbete