700+ courses, half price
Descrizione del corso
Saper lavorare in modo efficiente con grandi insiemi di dati ed estrarre informazioni utili è uno strumento imprescindibile per ogni aspirante data scientist. Quando lavoriamo con pochi dati, spesso non ci accorgiamo di quanto possa essere lenta l’esecuzione del codice. Questo corso approfondirà le tue conoscenze di Python e della libreria pandas e ti presenterà funzioni integrate efficienti di pandas per svolgere i compiti più rapidamente. Le funzioni integrate di pandas ti permettono di passare dai compiti più semplici, come selezionare voci e caratteristiche specifiche dai dati, a quelli più complessi, come applicare funzioni a gruppi di voci, molto più velocemente rispetto ai metodi abituali di Python. Alla fine del corso, sarai in grado di applicare una funzione ai dati in base al valore di una caratteristica, iterare rapidamente su grandi insiemi di dati e manipolare in modo efficiente dati appartenenti a gruppi diversi. Metterai in pratica questi metodi su diversi insiemi di dati reali, come mani di poker o mance nei ristoranti.
Prerequisiti
Programma
Struttura del corso
1
Selezionare colonne e righe in modo efficiente
Questo capitolo offre una panoramica dell’importanza del codice efficiente e di come selezionare righe e colonne specifiche o casuali in modo efficiente.
- Perché serve codice efficiente I50 XP
- Che cosa misura time.time()?50 XP
- Misurare il tempo I100 XP
- Misurare il tempo II100 XP
- Individua le righe: .iloc[] e .loc[]50 XP
- Selezione delle righe: loc[] vs iloc[]100 XP
- Selezione delle colonne: .iloc[] vs per nome100 XP
- Seleziona righe casuali50 XP
- Selezione casuale di righe100 XP
- Selezione casuale di colonne100 XP
2
Sostituire valori in un DataFrame
Questo capitolo illustra l’uso della funzione replace() per sostituire uno o più valori tramite liste e dizionari.
3
Iterazioni efficienti
Questo capitolo presenta diversi modi di iterare su un DataFrame di pandas e perché la vettorizzazione è l’approccio più efficiente per farlo.
4
Manipolazione dei dati con .groupby()
Questo capitolo descrive la funzione groupby() e come usarla per trasformare i valori in place, sostituire i valori mancanti e applicare funzioni complesse per gruppo.
Scrivere codice efficiente con pandas
Corso
completato

