Écrire du code Python efficace
Apprenez à écrire un code efficace qui s'exécute rapidement et qui alloue les ressources de manière habile afin d'éviter les frais généraux inutiles.
Commencer Le Cours Gratuitement4 heures15 vidéos52 exercices125 468 apprenantsDéclaration de réalisation
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.Formation de 2 personnes ou plus ?
Essayer DataCamp for BusinessApprécié par les apprenants de milliers d'entreprises
Description du cours
En tant que Data Scientist, vous devriez passer la majorité de votre temps à tirer des informations exploitables des données - et non pas à attendre que votre code finisse de s'exécuter. L'écriture d'un code Python efficace peut aider à réduire le temps d'exécution et à économiser les ressources de calcul, pour finalement vous libérer pour faire ce que vous aimez en tant que Data Scientist. Dans ce cours, vous apprendrez à utiliser les structures de données, les fonctions et les modules intégrés de Python pour écrire un code plus propre, plus rapide et plus efficace. Nous verrons comment chronométrer et profiler le code afin de trouver les goulets d'étranglement. Ensuite, vous vous entraînerez à éliminer ces goulets d'étranglement, ainsi que d'autres mauvais modèles de conception, à l'aide de la bibliothèque standard de Python, de NumPy et de pandas. Après avoir suivi ce cours, vous aurez les outils nécessaires pour commencer à écrire du code Python efficace !
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Programmation Python
Aller à la piste- 1
Les fondements des gains d'efficacité
GratuitDans ce chapitre, vous apprendrez ce que signifie écrire du code Python efficace. Vous explorerez la bibliothèque standard de Python, vous découvrirez les tableaux NumPy et vous vous exercerez à utiliser certains des outils intégrés de Python. Ce chapitre jette les bases des concepts abordés plus loin.
Bienvenue !50 xpPetit quiz : qu'est-ce que l'efficacité ?50 xpUn avant-goût des choses à venir100 xpLe zen de Python50 xpBâtiment à encastrer50 xpEntraînement intégré : portée()100 xpPratique intégrée : enumerate()100 xpPratique intégrée : map()100 xpLa puissance des tableaux NumPy50 xpPratique des tableaux NumPy100 xpTout est réuni : Festivus !100 xp - 2
Code de synchronisation et de profilage
Dans ce chapitre, vous apprendrez à rassembler et à comparer les durées d'exécution entre différentes approches de codage. Vous vous entraînerez à utiliser les packages line_profiler et memory_profiler pour établir le profil de votre base de code et repérer les goulets d'étranglement. Vous mettrez ensuite vos connaissances en pratique en remplaçant ces goulets d'étranglement par du code Python efficace.
Examen de la durée d'exécution50 xpUtilisation de %timeit : à vous de jouer !100 xpUtilisation de %timeit : spécification du nombre d'exécutions et de boucles50 xpUtilisation de %timeit : nom formel ou syntaxe littérale100 xpProfilage du code pour l'exécution50 xpPetit quiz : étapes de l'utilisation de %lprun50 xpUtilisation de %lprun : repérer les goulets d'étranglement50 xpL'utilisation de %lprun permet de résoudre le problème du goulot d'étranglement.50 xpProfilage du code pour l'utilisation de la mémoire50 xpPetit quiz : étapes de l'utilisation de %mprun50 xpUtilisation de %mprun : Héros BMI50 xpUtilisation de %mprun : Hero BMI 2.050 xpTout est réuni : Profilage de la guerre des étoiles100 xp - 3
Gagner en efficacité
Ce chapitre présente des conseils et des astuces plus complexes en matière d'efficacité. Vous apprendrez quelques modules intégrés utiles pour écrire du code efficace et vous vous exercerez à utiliser la théorie des ensembles. Vous apprendrez ensuite à connaître les motifs de bouclage en Python et à les rendre plus efficaces.
Combiner, compter et itérer efficacement50 xpCombinaison de noms et de types de Pokémon100 xpCompter les Pokémon à partir d'un échantillon100 xpCombinaisons de Pokémon100 xpThéorie des ensembles50 xpComparing Pokédexes100 xpÀ la recherche de Pokémon100 xpGathering unique Pokémon100 xpÉlimination des boucles50 xpRassembler des Pokémon sans boucle100 xpTotaux et moyennes Pokémon sans boucle100 xpÉcrire de meilleures boucles50 xpBoucle de calcul unique100 xpBoucle de conversion holistique100 xpTout est réuni : Z-scores Pokémon100 xp - 4
Optimisations de base de pandas
Ce chapitre propose une brève introduction sur la manière de travailler efficacement avec les pandas DataFrame. Vous apprendrez les différentes options dont vous disposez pour itérer sur un DataFrame. Vous apprendrez ensuite à appliquer efficacement des fonctions aux données stockées dans un DataFrame.
Introduction à l'itération pandas DataFrame50 xpItérer avec .iterrows()100 xpExécutez les différentielles avec .iterrows()100 xpUne autre méthode d'itérateur : .itertuples()50 xpItérer avec .itertuples()100 xpExécutez les différentielles avec .itertuples()100 xpL'alternative pandas au bouclage50 xpAnalyse des statistiques de baseball avec .apply()100 xpRéglez un débat avec .apply()100 xpItération optimale de pandas50 xpRemplacement de .iloc par des tableaux sous-jacents100 xpTout est réuni : Prévoir le pourcentage de victoire100 xpFélicitations !50 xp
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Programmation Python
Aller à la pisteensembles de données
Baseball statisticscollaborateurs
Qu’est-ce que les autres apprenants ont à dire ?
Inscrivez-vous 15 millions d’apprenants et commencer Écrire du code Python efficace Aujourd’hui!
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.