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.


## Rij-gebaseerde (Pandas) vs Kolom-gebaseerde (Polars) Operaties



| Aspect                   | Pandas (Rij-gebaseerd)                         | Polars (Kolom-gebaseerd)                                 |
|--------------------------|------------------------------------------------|----------------------------------------------------------|
| Indexgebruik             | Gebruikt rij-index voor selectie en uitlijning  | Geen rij-index; kolommen direct benaderd                 |
| Kolomexpressies          | Vaak gebruik van `apply` of loops voor berekeningen | Gevectoriseerde kolomexpressies (`pl.col`, rekenkundig)  |
| Kolommen toevoegen       | Toewijzing via `df['new'] = ...`                | Gebruik van `with_columns` of `select` met expressies    |
| Prestatie-implicaties    | Langzamer bij grote datasets door rij-gewijze operaties | Sneller, doordat operaties gebruikmaken van kolom-geheugenindeling |
| Syntaxis                 | Uitgebreider voor aangepaste logica             | Beknopte, declaratieve expressies                        |

Welke uitspraken beschrijven Pandas (rij-gebaseerde) operaties?

Een praktijkgerichte, intermediaire cursus voor Python-ontwikkelaars om data wrangling te beheersen met Polars, aan de hand van echte Steam-gamegegevenssets. Leer het kolomgebaseerde paradigma van Polars, selectie, aggregatie, joinen, herschikken en essentiële bewerkingen op strings, datums en ontbrekende gegevens.

Ontdek de belangrijkste verschillen tussen Polars en traditionele rij-gebaseerde DataFrames, met de nadruk op kolomgebaseerde bewerkingen, selectie en conditionele logica met behulp van de Steam-gamesdataset.

Krijg een grondig begrip van de parallelle group-by-, aggregatie-, join- en herstructureringsmogelijkheden van Polars met behulp van de Steam-games- en spy insights-datasets.

Verken de basisprincipes van data cleaning: tekstnormalisatie, datumparsing en robuuste verwerking van ontbrekende waarden in Polars.

Overstappen van rijen naar kolommen

Rij-gebaseerde (Pandas) vs Kolom-gebaseerde (Polars) Operaties