Accéder au contenu principal

Cours

Écrire du code Python efficace

IntermédiaireNiveau de compétence

Actualisé 01/2026

Apprenez à écrire un code efficace, rapide et optimisé dans l’utilisation des ressources pour éviter les surcoûts inutiles.

Commencer le cours gratuitement

PythonProgramming

4 h

15 vidéos

52 Exercices

4,000 XP

150K+

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

En tant que Data Scientist, la majeure partie de votre temps devrait être consacrée à l'extraction d'informations exploitables à partir des données, et non à attendre que votre code termine son exécution. Écrire du code Python efficace peut contribuer à réduire le temps d'exécution et à économiser des ressources informatiques, vous permettant ainsi de vous consacrer aux tâches que vous appréciez en tant que Data Scientist. Dans ce cours, vous apprendrez à utiliser les structures de données, les fonctions et les modules intégrés de Python afin de rédiger un code plus clair, plus rapide et plus efficace. Nous examinerons comment chronométrer et profiler le code afin d'identifier les points de blocage. Ensuite, vous vous exercerez à éliminer ces points de blocage et d'autres mauvais modèles de conception à l'aide de la bibliothèque standard de Python, NumPy et pandas. À l'issue de ce cours, vous disposerez des outils nécessaires pour commencer à écrire du code Python efficace.Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Afficher la transcription » en bas à gauche des vidéos. Le glossaire du cours se trouve à droite dans la section « Ressources ». Pour obtenir des crédits CPE, vous devez suivre le cours dans son intégralité et obtenir une note d’au moins 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur la mention « Crédits CPE » à droite.

Prérequis

Data Types in Python Python Toolbox

1

Les fondements de l'efficacité

Dans ce chapitre, vous découvrirez ce qui fait qu’un code Python est efficace. Vous explorerez la bibliothèque standard de Python, découvrirez les tableaux NumPy et vous exercerez à utiliser certains des outils intégrés de Python. Ce chapitre établit les bases des concepts abordés dans les chapitres suivants.

Bienvenue !

Question surprise : qu'est-ce qui est efficace ?

Un avant-goût de la suite

Zen de Python

Conception avec des éléments intégrés

Pratique intégrée : range()

Pratique intégrée : enumerate()

Pratique intégrée : map()

La puissance des tableaux NumPy

Exercices avec les tableaux NumPy

Récapitulatif : Festivus !

Commencer le chapitre

2

Chronométrage et profilage de code

Dans ce chapitre, vous apprendrez comment recueillir et comparer les durées d'exécution entre différentes approches de codage. Vous vous exercerez à utiliser les packages line_profiler et memory_profiler pour profiler votre base de code et identifier les points de blocage. Ensuite, vous mettrez vos acquis en pratique en remplaçant ces points de blocage par du code Python efficace.

Analyse de l'exécution

Utilisation de %timeit : à vous de jouer !

Utilisation de %timeit : spécification du nombre d'exécutions et de boucles

Utilisation de %timeit : nom formel ou syntaxe littérale

Profilage de code pour l'exécution

Question surprise : étapes pour utiliser %lprun

Utilisation de %lprun : détection des points de blocage

Utilisation de %lprun : résolution du point de blocage

Profilage du code pour l'utilisation de la mémoire

Question surprise : étapes pour utiliser %mprun

Utilisation de %mprun : IMC des héros

Utilisation de %mprun : Hero BMI 2.0

Récapitulatif : Profilage Star Wars

Commencer le chapitre

3

Amélioration de l'efficacité

Ce chapitre aborde des astuces et des conseils plus complexes pour améliorer l'efficacité. Vous découvrirez quelques modules intégrés utiles pour écrire du code efficace et vous exercerez à utiliser la théorie des ensembles. Vous découvrirez ensuite les boucles dans Python et comment les rendre plus efficaces.

Combiner, compter et itérer efficacement

Combiner les noms et les types de Pokémon

Comptage des Pokémon à partir d'un échantillon

Combinaisons de Pokémon

Théorie des ensembles

Comparaison des Pokédex

Recherche de Pokémon

Rassembler des Pokémon uniques

Élimination des boucles

Collecte de Pokémon sans boucle

Totaux et moyennes Pokémon sans boucle

Écrire des boucles plus efficaces

Boucle de calcul unique

Boucle de conversion globale

Récapitulatif : Scores z des Pokémon

Commencer le chapitre

4

Optimisations de base pour pandas

Ce chapitre présente brièvement comment utiliser efficacement les DataFrame pandas. Vous découvrirez les différentes options disponibles pour itérer sur un DataFrame. Ensuite, vous apprendrez à appliquer efficacement des fonctions aux données stockées dans un DataFrame.

Introduction à l'itération DataFrame dans pandas

Itération avec .iterrows()

Différences de points avec .iterrows()

Une autre méthode itérative : .itertuples()

Itération avec .itertuples()

Différences de points avec .itertuples()

Alternative aux boucles dans pandas

Analyse des statistiques de baseball avec .apply()

Mettre fin à un débat avec .apply()

Itération optimale dans pandas

Remplacement de .iloc par des tableaux sous-jacents

Récapitulatif : Prévoir le pourcentage de victoires

Félicitations !

Commencer le chapitre

Écrire du code Python efficace

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Écrire du code Python efficace dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.