دسترسی سریع:

مسیر:

صفحه اصلی

فرآیند فعال‌سازی مجدد لینک‌های دانلود آغاز شده است. با توجه به حجم بالای محتوا و طی شدن مراحل فنی آماده‌سازی، فعال شدن کامل دسترسی‌ها برای تمامی کاربران کمی زمان می‌برد.پیشاپیش از صبوری شما سپاسگزاریم.

✅ امکان تهیه دوره‌ها فراهم است و لینک‌ها به نوبت در حال فعال‌سازی هستند.
زمان اشتراک‌ها، تمدید و اصلاح می شوند.

راه ارتباطی در ایتا 09303953766

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

قطب ها را با استفاده از پایتون بیاموزید - DataFrames برای عصر جدید - آخرین آپدیت

Learn Polars Using Python - DataFrames For The New Era new

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: قطب ها، قاب های تنبل، قاب های داده، پردازش موازی، فایل ها، پایگاه داده، ساختارهای داده، پایگاه های داده، طرح پرس و جو، قطب های ETL با استفاده از عبارات ساختارهای داده پایه پایتون در قطب های ETL و تبدیل های مختلف پیش نیازها:دانش پایه پایتون

DataFrames برای عصر جدید

Polars از ابتدا با در نظر گرفتن عملکرد نوشته شده است. موتور جستجوی چند رشته ای آن به زبان Rust نوشته شده است و برای موازی سازی موثر طراحی شده است. پردازش بردار و ستونی آن، الگوریتم‌های همدوس حافظه پنهان و عملکرد بالا را در پردازنده‌های مدرن امکان‌پذیر می‌کند.

اگر با بحث و جدل داده ها آشنا باشید، با Polars احساس خوبی خواهید داشت. عبارات آن بصری است و به شما امکان می دهد کدی بنویسید که در عین حال خوانا و کارآمد باشد.

Polars همیشه منبع باز است و خواهد بود. با هدایت یک جامعه فعال از توسعه دهندگان، همه تشویق می شوند تا ویژگی های جدید را اضافه کنند و مشارکت کنند. Polars تحت مجوز MIT برای استفاده رایگان است.

این دوره در مورد اجرای ETL (Extract، Transform، Load) با استفاده از Polars در پایتون است. این دوره اصول اولیه قطب ها، ساختارهای داده در قطب ها مانند سری ها، قاب های داده، ...، عباراتی مانند انتخاب عملکرد، عملگرها، تغییر نام ستون ها/فیلدها و مدیریت تهی را توضیح می دهد. کار با تبدیل ها مانند فیلتر، مرتب سازی، پیوستن، محور، الحاق، ذوب و پنجره.

Polars از خواندن و نوشتن در همه قالب‌های داده رایج پشتیبانی می‌کند. این به شما امکان می دهد به راحتی Polars را با پشته داده های موجود خود ادغام کنید.

متن: CSV JSON
دودویی: پارکت، دریاچه دلتا، AVRO Excel
IPC: پر، پیکان
پایگاه‌های اطلاعاتی: MySQL، Postgres، SQL Server، Sqlite، Redshift Oracle
فضای ذخیره‌سازی ابری: S3، فایل Azure Blob Azure

سرفصل ها و درس ها

معرفی Introduction

نصب کتابخانه Installing the Library
اولین برنامه قطبی First Polars Program

ساختارهای داده در قطب ها Data Structures In Polars

سلسله Series
DataFrame DataFrame
مشاهده داده ها Viewing Data

اصطلاحات Expressions

Functionality را انتخاب کنید Select Functionality
اپراتورها Operators
تغییر نام ستون ها Renaming Columns
رسیدگی به NULLها Handling NULL's

تحولات Transformations

فیلتر کنید Filter
مرتب سازی Sort
تجمع Aggregation
تجمیع پیشرفته Advanced Aggregation
می پیوندد Joins
الحاق Concatenation
محورها Pivots
ذوب می شود Melts
توابع پنجره Window Functions

API تنبل Lazy API

scan_csv scan_csv
قاب داده به قاب تنبل Data Frame To Lazy Frame
طرح پرس و جو - روش توضیح() Query Plan - explain() Method
طرح پرس و جو - روش show_graph(). Query Plan - show_graph() Method
گرافویز Graphviz

IO - کار با فایل ها IO - Working With Files

CSV CSV
JSON JSON
پارکت Parquet
خواندن چندین فایل Read Multiple Files
نوشتن چندین فایل Write Multiple Files
پردازش موازی Parallel Processing

پایگاه های داده Databases

از پایگاه داده بخوانید Read From Database
نوشتن در پایگاه داده Write To Database

Polars SQL Polars SQL

SQLContext SQLContext
ثبت SQLContext Registering SQLContext
نشان دادن جداول SHOW TABLES
انتخاب کنید SELECT
ايجاد كردن CREATE
CTE - عبارات جدول رایج CTE - Common Table Expressions
فایل های مسطح و زمینه SQL - بدون ثبت نام Flat Files & SQL Context - Without Registering

برای ارسال نظر ثبت نام کنید.

نمایش نظرات

قطب ها را با استفاده از پایتون بیاموزید - DataFrames برای عصر جدید

جزییات دوره

زمان دوره: 3 hours

تعداد ویدیو ها: 38

شرکت: Udemy (یودمی)

تاریخ انتشار مرجع: (آخرین آپدیت)

ثبت نام مرجع : 1,001

امتیاز مرجع: از 5

فایل تمرین: ندارد

زیرنویس زبان اصلی: دارد

زیرنویس فارسی: (توسط هوش مصنوعی) دارد

مدرس: Jim Macaulay

لینک کوتاه این دوره

https://donyad.com/d/4f6ed7

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

نرم افزارهای مورد نیاز

قطب ها را با استفاده از پایتون بیاموزید - DataFrames برای عصر جدید - آخرین آپدیت

Learn Polars Using Python - DataFrames For The New Era new

معرفی Introduction

نصب کتابخانه Installing the Library

اولین برنامه قطبی First Polars Program

ساختارهای داده در قطب ها Data Structures In Polars

سلسله Series

DataFrame DataFrame

مشاهده داده ها Viewing Data

اصطلاحات Expressions

Functionality را انتخاب کنید Select Functionality

اپراتورها Operators

تغییر نام ستون ها Renaming Columns

رسیدگی به NULLها Handling NULL's

تحولات Transformations

فیلتر کنید Filter

مرتب سازی Sort

تجمع Aggregation

تجمیع پیشرفته Advanced Aggregation

می پیوندد Joins

الحاق Concatenation

محورها Pivots

ذوب می شود Melts

توابع پنجره Window Functions

API تنبل Lazy API

scan_csv scan_csv

قاب داده به قاب تنبل Data Frame To Lazy Frame

طرح پرس و جو - روش توضیح() Query Plan - explain() Method

طرح پرس و جو - روش show_graph(). Query Plan - show_graph() Method

گرافویز Graphviz

IO - کار با فایل ها IO - Working With Files

CSV CSV

JSON JSON

پارکت Parquet

خواندن چندین فایل Read Multiple Files

نوشتن چندین فایل Write Multiple Files

پردازش موازی Parallel Processing

پایگاه های داده Databases

از پایگاه داده بخوانید Read From Database

نوشتن در پایگاه داده Write To Database

Polars SQL Polars SQL

SQLContext SQLContext

ثبت SQLContext Registering SQLContext

نشان دادن جداول SHOW TABLES

انتخاب کنید SELECT

ايجاد كردن CREATE

CTE - عبارات جدول رایج CTE - Common Table Expressions

فایل های مسطح و زمینه SQL - بدون ثبت نام Flat Files & SQL Context - Without Registering

نمایش نظرات

https://donyad.com/d/4f6ed7