Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas
Preferido por estudiantes en miles de empresas
Descripción del curso
Como científico de datos, debes dedicar la mayor parte de tu tiempo a obtener información procesable de los datos, no a esperar a que el código termine de ejecutarse. Escribir código Python eficiente puede ayudar a reducir el tiempo de ejecución y ahorrar recursos computacionales, liberándote en última instancia para hacer las cosas que te gustan como Científico de Datos. En este curso aprenderás a utilizar las estructuras de datos, funciones y módulos incorporados de Python para escribir código más limpio, rápido y eficaz. Exploraremos cómo cronometrar y perfilar el código para encontrar cuellos de botella. Luego, practicarás la eliminación de estos cuellos de botella, y otros malos patrones de diseño, utilizando la Biblioteca Estándar de Python, NumPy y pandas. Después de completar este curso, ¡tendrás las herramientas necesarias para empezar a escribir código Python eficiente!
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pistaProgramación en Python
Ir a la pista- 1
Bases para la eficiencia
GratuitoEn este capítulo, aprenderás lo que significa escribir código Python eficiente. Explorarás la Biblioteca Estándar de Python, aprenderás sobre las matrices NumPy y practicarás el uso de algunas de las herramientas integradas de Python. Este capítulo sienta las bases de los conceptos que se tratan a continuación.
¡Bienvenida!50 xpPrueba sorpresa: ¿qué es la eficiencia?50 xpUna muestra de lo que está por venir100 xpZen de Python50 xpEdificio empotrado50 xpPráctica incorporada: range()100 xpPráctica incorporada: enumerar()100 xpPráctica incorporada: map()100 xpEl poder de las matrices NumPy50 xpPractica con matrices NumPy100 xpUniéndolo todo: ¡Festivus!100 xp - 2
Cronometraje y perfilado del código
En este capítulo, aprenderás a recopilar y comparar los tiempos de ejecución entre distintos enfoques de codificación. Practicarás el uso de los paquetes line_profiler y memory_profiler para perfilar tu base de código y detectar cuellos de botella. Luego, pondrás en práctica lo aprendido sustituyendo estos cuellos de botella por código Python eficiente.
Examinar el tiempo de ejecución50 xpUsando %timeit: ¡te toca!100 xpUso de %timeit: especificar el número de ejecuciones y bucles50 xpUso de %timeit: nombre formal o sintaxis literal100 xpUsar el modo mágico de celda (%%timeit)50 xpPerfilado del código en tiempo de ejecución50 xpPrueba sorpresa: pasos para utilizar %lprun50 xpUtilizar %lprun: detectar cuellos de botella50 xpUtilizar %lprun: arreglar el cuello de botella50 xpPerfilado de código para uso de memoria50 xpPrueba sorpresa: pasos para utilizar %mprun50 xpUtilizando %mprun: Hero BMI50 xpUtilizando %mprun: Hero BMI 2.050 xpUniéndolo todo: Perfil de Star Wars100 xp - 3
Ganar eficacia
Este capítulo cubre trucos y consejos de eficacia más complejos. Aprenderás algunos módulos integrados útiles para escribir código eficiente y practicar el uso de la teoría de conjuntos. A continuación, aprenderás sobre los patrones de bucle en Python y cómo hacerlos más eficientes.
Combinar, contar e iterar eficazmente50 xpCombinar nombres y tipos de Pokémon100 xpContar Pokémon de una muestra100 xpCombinaciones de Pokémon100 xpTeoría de conjuntos50 xpComparar Pokédex100 xpBuscando Pokémon100 xpReunir Pokémon únicos100 xpEliminar bucles50 xpReunir Pokémon sin bucle100 xpTotales y medias Pokémon sin bucle100 xpEscribir mejores bucles50 xpBucle de cálculo único100 xpBucle de conversión holístico100 xpUniéndolo todo: Puntuación z de Pokémon100 xp - 4
Optimizaciones básicas de pandas
Este capítulo ofrece una breve introducción sobre cómo trabajar eficazmente con los DataFrames de pandas. Aprenderás las distintas opciones que tienes para iterar sobre un Marco de datos. A continuación, aprenderás a aplicar eficazmente funciones a los datos almacenados en un Marco de datos.
Introducción a la iteración de pandas DataFrame50 xpIterar con .iterrows()100 xpEjecuta diferenciales con .iterrows()100 xpOtro método iterador: .itertuples()50 xpIterar con .itertuples()100 xpEjecutar diferenciales con .itertuples()100 xpalternativa de pandas a los bucles50 xpAnalizar estadísticas de béisbol con .apply()100 xpResuelve un debate con .apply()100 xpIteración óptima de pandas50 xpSustituir .iloc por matrices subyacentes100 xpUniéndolo todo: Predecir el porcentaje de victorias100 xp¡Enhorabuena!50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pistaProgramación en Python
Ir a la pistaEn otras pistas
Caja de herramientas PythonSets De Datos
Baseball statisticsColaboradores
Logan Thomas
Ver Mas
Scientific Software Technical Trainer, Enthought
¿Qué tienen que decir otros alumnos?
Únete a 13 millones de estudiantes y empeza Escribir código Python eficiente hoy!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.