قطب ها را با استفاده از پایتون بیاموزید - DataFrames برای عصر جدید
Learn Polars Using Python - DataFrames For The New Era
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
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
https://donyad.com/d/4f6ed7
Jim Macaulay
معمار توسعه نرم افزار
نمایش نظرات