Ｐｏｌａｒｓとｐａｎｄａｓで学ぶ　データ処理アイデアレシピ５５

準備1日目　pandas の概要

準備2日目　Polars の概要

特訓1日目　データの確認
01　データの表示
02　データの列名を確認
03　データの大きさの確認
04　各列のデータ型を確認
05　データの概要を確認
06　列ごとのユニークな要素数の確認
07　列ごとのユニークな要素を確認
08　ユニークな要素ごとに重複数のカウント
09　特定の列に対する統計量の確認

特訓2日目　データの操作
10　ファイルの読み込み
11　データフレームの特定ファイル形式への書き出し
12　データフレームのソート
13　データフレームの複製
14　データフレームの作成

特訓3日目　データの抽出
15　データフレームから複数列を抽出
16　データフレームから特定データ型の列抽出
17　データフレームの特定列の除外
18　データフレームの特定行の抽出
19　特定条件にマッチする行の抽出
20　複数条件にマッチする行の抽出1
21　複数条件にマッチする行の抽出2
22　特定列が欠損値でない行の抽出
23　欠損値を含む行の削除
24　値リストのどれかに合致する要素を持つ行の抽出
25　特定の文字列を含む行の抽出
26　指定された数だけランダムにデータをサンプリング

特訓4日目　データの加工
27　既存列へのデータ処理
28　特定列をデータ処理し、データ型を変更
29　既存列を用いて新規列を作成する
30　条件に応じた値の代入
31　列へのユーザー定義関数の適用
32　データフレームの列名を一括変更
33　データフレームの特定の列名を変更
34　欠損値の補完
35　NumPy 配列への変換
36　データのビニング
37　重複行の削除
38　データフレームの連結
39　データフレームの結合

特訓5日目　データの集計
40　列の集計結果を計算
41　列の集計結果を新規列として追加
42　累積和を計算
43　複数列の集計結果を計算

特訓6日目　時系列データの処理
44　日時データから年と月を取得する
45　時間軸に沿って値をシフトし、過去値の列を作る
46　行の差分を新規の列として追加する
47　時間に基づいた集約を行い、新規列を作成する
48　特定の期間ごとのデータの集計

特訓7日目　遅延評価
49　遅延評価の基礎（Python 編）
50　Polars の遅延評価機能lazy API
51　クエリ最適化とStreaming API

特訓8日目　実践パイプライン
52　EDA
53　前処理と特徴量エンジニアリング
54　機械学習モデルの学習
55　機械学習モデルの評価・推論