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.


## Операції на основі рядків (Pandas) проти операцій на основі стовпців (Polars)



| Аспект                   | Pandas (на основі рядків)                      | Polars (на основі стовпців)                              |
|--------------------------|------------------------------------------------|----------------------------------------------------------|
| Використання індексу     | Використовує індекс рядків для вибірки та вирівнювання | Без індексу рядків; доступ безпосередньо до стовпців     |
| Вирази для стовпців      | Часто використовує `apply` або цикли для обчислень | Векторизовані вирази для стовпців (`pl.col`, арифметика) |
| Додавання стовпців       | Присвоєння через `df['new'] = ...`             | Використовує `with_columns` або `select` з виразами      |
| Вплив на продуктивність  | Повільніше на великих наборах через операції по рядках | Швидше, оскільки операції використовують колонкову пам'ять |
| Синтаксис                | Більш багатослівний для користувацької логіки  | Лаконічні, декларативні вирази                           |

Які твердження описують операції Pandas (на основі рядків)?

Практичний курс середнього рівня для розробників Python, спрямований на опанування обробки даних за допомогою Polars із використанням реальних наборів даних Steam-ігор. Вивчення колонкового підходу Polars, вибірки, агрегації, об'єднання, зміни форми даних, а також основних операцій зі строками, датами та відсутніми значеннями.

Дослідження основних відмінностей між Polars та традиційними DataFrame на основі рядків з акцентом на колонкові операції, вибірку та умовну логіку з використанням набору даних ігор Steam.

Отримайте ґрунтовне розуміння можливостей паралельного групування, агрегації, об'єднання та зміни форми даних у Polars на прикладі наборів даних Steam games та spy insights.

Ознайомтеся з основами очищення даних: нормалізація тексту, розбір дат і надійна обробка відсутніх значень у Polars.

Перехід від рядків до стовпців

Операції на основі рядків (Pandas) проти операцій на основі стовпців (Polars)