آموزش پولارز: کتابخانه پایتون با سرعت بالا در پردازش داده. تحلیل با کلان‌داده‌های دنیای واقعی. - آخرین آپدیت

درس‌ها Lessons

• مقدمه Intro

• مقدمه‌ای بر پولارز: تفاوت‌های کلیدی با پانداس و علت سرعت بیشتر آن Introduction to Polars: Key Differences from Pandas and Why It’s Faster

• نصب پولارز، بارگذاری دیتافریم‌ها، و دسترسی کارآمد به ستون‌ها Installing Polars, Loading DataFrames, and Accessing Columns Efficiently

• دستکاری داده‌ها در پولارز: عملیات حسابی، مدیریت ستون، و تکنیک‌های فیلتر کردن Data Manipulation in Polars: Arithmetic Operations, Column Management, and Filtering Techniques

• تسلط بر دیتافریم‌ها در پولارز: برش‌زنی، آمار توصیفی، و کاوش پیشرفته داده‌ها Mastering DataFrames in Polars: Slicing, Descriptive Statistics, and Advanced Data Exploration

• کاوش متدهای دیتافریم پولارز: پرچم‌ها، شمای داده، عملیات ستون، و تکنیک‌های تبدیل داده Exploring Polars DataFrame Methods: Flags, Schema, Column Operations, and Data Conversion Techniques

• دستکاری پیشرفته داده‌ها در پولارز: گروه‌بندی، تجمیع، مرتب‌سازی، و تبدیل سفارشی Advanced Data Manipulation in Polars: Grouping, Aggregation, Sorting, and Custom Transformation

• عملیات پیشرفته داده در پولارز: write_csv، جداول محوری، و استراتژی‌های جوین Advanced Data Operations in Polars: write_csv, Pivot Tables, and Join Strategies

• درک اجرای Eager و Lazy در پولارز: مقایسه سرعت با پانداس برای دیتافریم‌های بزرگ Understanding Eager and Lazy Execution in Polars: A Speed Comparison with Pandas for Large DataFrame

• بصری‌سازی داده‌ها در پولارز. مزایا، محدودیت‌ها، و تحلیل مقایسه‌ای Data Visualization in Polars. Advantages, Limitations, and a Comparative Analysis