https://github.com/jmcurbelo/polars-dataframe
Este repositorio de GitHub te ofrece los materiales del curso "Aprende a manipular datos con Polars y Python", donde te convertirás en un experto en el uso de Polars para el análisis y la gestión de datos en Python.
https://github.com/jmcurbelo/polars-dataframe
polars polars-dataframe
Last synced: about 1 month ago
JSON representation
Este repositorio de GitHub te ofrece los materiales del curso "Aprende a manipular datos con Polars y Python", donde te convertirás en un experto en el uso de Polars para el análisis y la gestión de datos en Python.
- Host: GitHub
- URL: https://github.com/jmcurbelo/polars-dataframe
- Owner: jmcurbelo
- Created: 2023-11-29T04:30:42.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2026-02-13T23:11:34.000Z (4 months ago)
- Last Synced: 2026-02-14T05:22:20.147Z (4 months ago)
- Topics: polars, polars-dataframe
- Language: Jupyter Notebook
- Homepage: https://josemtech.com
- Size: 11.6 MB
- Stars: 3
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Aprende a manipular datos con Polars y Python
[](https://www.python.org/)
[](https://pola.rs/)
[](https://jupyter.org/)
[](https://www.udemy.com/course/aprende-a-manipular-datos-con-polars-y-python/?referralCode=CC83B445E40FD2FF1B60)
> **Domina la librería de manipulación de datos más rápida del ecosistema Python.**
---
## Sobre este repositorio
Bienvenido al repositorio oficial del curso **Aprende a manipular datos con Polars y Python**.
Aquí encontrarás todos los materiales prácticos para dominar **Polars**, la librería diseñada para procesar datos a la velocidad del rayo utilizando Rust por debajo. Si vienes de Pandas, aquí aprenderás a escribir código más eficiente, paralelizado y capaz de manejar volúmenes de datos mucho mayores.
### ⚡ ¿Por qué Polars?
En este curso nos enfocamos en las dos grandes ventajas de esta tecnología:
1. **Velocidad:** Procesamiento multihilo automático.
2. **Lazy Evaluation:** Optimización de consultas antes de ejecutarlas (LazyFrame).
👉 **[Inscríbete al curso completo en Udemy](https://www.udemy.com/course/aprende-a-manipular-datos-con-polars-y-python/?referralCode=CC83B445E40FD2FF1B60)**
---
## Estructura del contenido
El repositorio está organizado en carpetas numeradas que te guiarán desde lo básico hasta las funciones avanzadas. Cada sección contiene notebooks interactivos (`.ipynb`) con explicaciones teóricas y código ejecutable.
* **📂 Sección 1:** Primeros pasos e instalación.
* **📂 Sección 2:** El objeto **Series** (la base de todo).
* **📂 Sección 3:** Lectura y escritura de archivos (CSV, Parquet, etc.).
* **📂 Sección 4:** Trabajo con **DataFrames**.
* **📂 Sección 5:** **LazyFrame** (El secreto del rendimiento en Polars).
* **📂 Sección 6:** Expresiones y contextos.
* **📂 Sección 7:** Selectores y funciones avanzadas.
* **📂 Sección 8:** Miscelánea y casos de uso.
---
## ¿Cómo usar este material?
1. **Clona el repositorio:**
```bash
git clone [https://github.com/jmcurbelo/polars-dataframe.git](https://github.com/jmcurbelo/polars-dataframe.git)
```
2. **Ejecuta los Notebooks:**
Navega a la carpeta de la sección que te interese (ej: `Sección 5`) y abre los archivos `.ipynb`.
> **Tip:** Te recomiendo seguir el orden numérico de las carpetas, ya que los conceptos de *Lazy Evaluation* (Sección 5) se construyen sobre la base de los DataFrames estándar.
---
## 🤝 Contribuciones y Soporte
Este material es complementario al curso en video.
* Si tienes dudas sobre los conceptos, por favor usa la sección de **Preguntas y Respuestas (Q&A)** en Udemy.
* Si encuentras un error en el código, ¡siéntete libre de abrir un *Issue* o un *Pull Request*!
---
Hecho con ❤️ por **José Miguel Moya Curbelo** | Instructor de Big Data & Ingeniería de Datos