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
Для кого этот курс
Для аналитиков данных и инженеров данных, которые уже работают с pandas и хотят освоить Polars: выражения, ленивые запросы и контроль типов.
Подойдёт тем, кто хочет разобраться в плане выполнения, расходе памяти и переносе табличных расчётов с pandas. Для старта нужны основы Python и pandas.
Начальные требования
Нужен Python на уровне функций, списков и словарей, а также pandas: фильтрация, groupby и merge. Базовый SQL пригодится в модуле про Polars SQL, но не обязателен.
Браузерные задания работают на учебной совместимой среде. Для самостоятельной работы со всем API и реальными файлами потребуется установить официальный Polars локально.
Преподаватели курса
3 014
Как проходит обучение
В каждом модуле сначала идёт теория с примерами, затем задачи с автопроверкой в браузере. Они выполняются в учебной совместимой среде с нужным для курса поднабором API Polars.
Код пишется в функции solve(inputs). Проверка сравнивает значения, порядок колонок, типы и, где требуется, результат LazyFrame. После ответа открывается разбор.
В конце курса есть проект из пяти связанных этапов на данных OHLCV. Для браузерных задач локальная установка не нужна. Для собственных файлов и полного API установите официальный Polars.