Python: Manipulação de Dados com Pandas e PySpark

Pandas é uma biblioteca Python de código aberto usada para manipulação e análise de dados. O Pandas é construído em cima do pacote NumPy, portanto, é preciso muita inspiração básica dele. As duas estruturas de dados primárias são Series , que é unidimensional e DataFrame, que é bidimensional.

PySpark é uma API Python para Apache Spark para processar conjuntos de dados maiores em um cluster distribuído. Ele é escrito em Python para executar um aplicativo Python usando os recursos do Apache Spark.

Neste curso, você aprenderá os fundamentos destas duas tecnologias, bem como ferramentas de visualização de dados.

O que você irá aprender?

• Manipular dados com a biblioteca Pandas;
• Conhecer os ambientes de produção Apache Spark e Hadoop;
• Tratar dados com a biblioteca PySpark;
• Realizar processos de ETL (Extract, Transform e Load) usando Pandas e PySpark.

Detalhes do curso