Summary  
This chapter introduces column-based data manipulation in Polars, demonstrating how to use column expressions (pl.col) to create new columns, select specific columns, and operate on data without relying on row indices.

General domain of usage  
Tabular data analysis and transformation (e.g., processing CSV datasets)

This video shows you how to load a `games_df` DataFrame using Polars, highlights the absence of a row index, demonstrates how to add a `total_reviews` column by summing `positive_reviews` and `negative_reviews` with column expressions, and covers simple column selection techniques.
-- video metadata (use this info when making a video) -- 

Cut all examples of code to a minimum. Show only the essential code. Show code no longer than 10 lines. Remove all possible pieces to demonstrate some code feature. You may show not full code that will not start, but still demonstrates some feature theoritacally.
If code is longer than 8 lines, move code output  blocks to second column.


## 行ベース（Pandas）と列ベース（Polars）の操作



| Aspect                   | Pandas（行ベース）                                 | Polars（列ベース）                                         |
|--------------------------|----------------------------------------------------|------------------------------------------------------------|
| Index Usage              | 選択と整列に行インデックスを使用                    | 行インデックスなし、列に直接アクセス                        |
| Column Expressions       | 計算に `apply` やループをよく使用                   | ベクトル化された列表現（`pl.col`、算術演算）                |
| Adding Columns           | `df['new'] = ...` で代入                           | `with_columns` や `select` と表現式を使用                   |
| Performance Implications | 行単位の操作のため大規模データセットで遅くなる       | 列指向メモリレイアウトを活用するため高速                     |
| Syntax                   | カスタムロジックでは冗長になりがち                   | 簡潔で宣言的な表現                                         |

どの記述がPandas（行ベース）の操作を表していますか？

Python開発者向けの実践的な中級コースで、Polarsを用いたデータ整形技術を、実際のSteamゲームデータセットを使って習得します。Polarsのカラム指向パラダイム、選択、集約、結合、リシェイプ、そして文字列・日付・欠損値処理の基本操作を学びます。

Polarsと従来の行ベースDataFrameの主な違いを探求し、カラム指向の操作、選択、およびSteamゲームデータセットを用いた条件付きロジックに焦点を当てます。

Steamゲームおよびスパイインサイトデータセットを使用したPolarsの並列グループ化、集計、結合、リシェイプ機能の確実な理解を習得します。

データクリーニングの基本であるテキスト正規化、日付解析、Polarsにおける欠損値の堅牢な処理について学びます。

行から列への移行

行ベース（Pandas）と列ベース（Polars）の操作