Weiter zum Inhalt

Startseite Python

Kurs

Effizienten Python-Code schreiben

FortgeschrittenSchwierigkeitsgrad

Aktualisiert 01/2026

Dieser Kurs zeigt, wie du effizienten und schnell ausführbaren Code schreibst, der Ressourcen geschickt zuweist und Mehraufwand vermeidet.

Kurs kostenlos starten

PythonProgramming4 Std.15 Videos52 Übungen4,000 XP150K+Leistungsnachweis

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Kursbeschreibung

Als Datenwissenschaftler solltest du die meiste Zeit damit verbringen, aus Daten nützliche Erkenntnisse zu gewinnen – und nicht mit Warten, dass dein Code endlich durchgelaufen ist. Effizienten Python-Code zu schreiben kann helfen, die Laufzeit zu verkürzen und Rechenressourcen zu sparen, sodass du dich als Datenwissenschaftler endlich den Dingen widmen kannst, die du liebst. In diesem Kurs lernst du, wie du die integrierten Datenstrukturen, Funktionen und Module von Python nutzen kannst, um saubereren, schnelleren und effizienteren Code zu schreiben. Wir schauen uns an, wie man die Laufzeit von Code erfasst und analysiert, um Engpässe zu finden. Anschließend übst du, diese Engpässe und andere schlechte Designmuster mit der Standardbibliothek von Python, NumPy und pandas zu vermeiden. Wenn du diesen Kurs abgeschlossen hast, hast du alles, was du brauchst, um effizienten Python-Code zu schreiben!Die Live-Transkripte der Videos kannst du durch einen Klick auf „Mitschrift anzeigen“ unten links in den Videos aufrufen. Das Kursglossar findest du rechts im Bereich Ressourcen. Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in dem Test 70 % erreichen. Du gelangst zum Test, indem du rechts auf die Angabe zu den CPE-Credits klickst.

Voraussetzungen

Data Types in Python Python Toolbox

1

Foundations for efficiencies

In this chapter, you'll learn what it means to write efficient Python code. You'll explore Python's Standard Library, learn about NumPy arrays, and practice using some of Python's built-in tools. This chapter builds a foundation for the concepts covered ahead.

Pop quiz: what is efficient

A taste of things to come

Zen of Python

Building with built-ins

Built-in practice: range()

Built-in practice: enumerate()

Built-in practice: map()

The power of NumPy arrays

Practice with NumPy arrays

Bringing it all together: Festivus!

Kapitel starten

2

Timing and profiling code

In this chapter, you will learn how to gather and compare runtimes between different coding approaches. You'll practice using the line_profiler and memory_profiler packages to profile your code base and spot bottlenecks. Then, you'll put your learnings to practice by replacing these bottlenecks with efficient Python code.

Examining runtime

Using %timeit: your turn!

Using %timeit: specifying number of runs and loops

Using %timeit: formal name or literal syntax

Code profiling for runtime

Pop quiz: steps for using %lprun

Using %lprun: spot bottlenecks

Using %lprun: fix the bottleneck

Code profiling for memory usage

Pop quiz: steps for using %mprun

Using %mprun: Hero BMI

Using %mprun: Hero BMI 2.0

Bringing it all together: Star Wars profiling

Kapitel starten

3

Gaining efficiencies

This chapter covers more complex efficiency tips and tricks. You'll learn a few useful built-in modules for writing efficient code and practice using set theory. You'll then learn about looping patterns in Python and how to make them more efficient.

Efficiently combining, counting, and iterating

Combining Pokémon names and types

Counting Pokémon from a sample

Combinations of Pokémon

Comparing Pokédexes

Searching for Pokémon

Gathering unique Pokémon

Eliminating loops

Gathering Pokémon without a loop

Pokémon totals and averages without a loop

Writing better loops

One-time calculation loop

Holistic conversion loop

Bringing it all together: Pokémon z-scores

Kapitel starten

4

Basic pandas optimizations

This chapter offers a brief introduction on how to efficiently work with pandas DataFrames. You'll learn the various options you have for iterating over a DataFrame. Then, you'll learn how to efficiently apply functions to data stored in a DataFrame.

Intro to pandas DataFrame iteration

Iterating with .iterrows()

Run differentials with .iterrows()

Another iterator method: .itertuples()

Iterating with .itertuples()

Run differentials with .itertuples()

pandas alternative to looping

Analyzing baseball stats with .apply()

Settle a debate with .apply()

Optimal pandas iterating

Replacing .iloc with underlying arrays

Bringing it all together: Predict win percentage

Congratulations!

Kapitel starten

Effizienten Python-Code schreiben

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Effizienten Python-Code schreiben heute!

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.