Polars est un moteur de DataFrame en colonne rapide construit sur Apache Arrow, et ce cours vous apprend à l'utiliser à partir de Rust pour faire du vrai travail d'ingénierie de données. Vous configurerez un projet Cargo avec les options lazy et csv, chargerez wine-ratings.csv dans un DataFrame typé, et apprendrez la différence entre les DataFrames impatients pour l'exploration et les LazyFrames pour la production. Vous composerez des expressions select, filter, slice, sort, group_by, agg et join, puis lirez les résultats explicatifs pour voir le predicate pushdown et le projection pushdown réécrire votre requête avant qu'elle ne s'exécute. Le module 2 met l'API au travail en nettoyant un véritable ensemble de données de notation de vins avec des règles de dépôt, de remplissage et de normalisation documentées. Le module 3 connecte le tout à wine-pipeline, trois binaires Rust CLI qui implémentent une architecture de médaillon de bronze, d'argent et d'or sur une base de données SQLite partagée et qui exportent un classement des 10 meilleurs raisins au format CSV et JSON. A la fin, vous aurez un pipeline Rust complet et exécutable que vous pourrez adapter à n'importe quel ensemble de données tabulaires.