Чему вы научитесь
- Понимать, как колоночная память Apache Arrow влияет на вычисления
- Писать преобразования через Polars Expressions API
- Выбирать контекст select, with_columns, filter и group_by
- Собирать LazyFrame и читать оптимизированный план запроса
- Контролировать типы и схему DataFrame
- Соединять таблицы и работать с вложенными типами
- Считать окна и временные ряды, не теряя типы и порядок строк
О курсе
Практический курс Polars на Python для аналитиков и Data Engineer: переход с Pandas, Apache Arrow, Expressions API, LazyFrame, оптимизация запросов и 43 задачи в браузере.
Для кого этот курс
Курс для тех, кто уже пишет на Pandas и упёрся в его пределы.
- аналитик, у которого
read_csvсъедает всю память, а groupby считается минутами; - инженер данных, который строит конвейеры и хочет ленивые планы и предсказуемые типы;
- тот, кто уже пробовал Polars по документации и хочет разложить механику по полкам.
Для знакомства с самим анализом данных курс не подойдёт: Pandas и SQL здесь предполагаются известными.
Начальные требования
Что нужно уметь до старта:
- Pandas на уровне фильтрации, groupby и merge — без подсказки;
- Python: функции, списки, словари, чтение чужого кода;
- базовый SQL поможет в модуле про Polars SQL, но не обязателен.
Ставить ничего не нужно: код исполняется прямо в браузере.
Преподаватели курса
2 852
Нагрузка
12–15 часов: 170 шагов, 43 задачи с автопроверкой