メインコンテンツへスキップ

ホーム Python

コース

pandasで効率的にコードを書く

中級スキルレベル

更新日 2022/08

pandasで効率的な手法を学び、Pythonコードを最適化しましょう。

コースを無料で開始

PythonProgramming4時間14 ビデオ45 演習3,500 XP21,563達成証明書

無料アカウントを作成

または

続行すると、弊社の利用規約、プライバシーポリシーに同意し、データが米国に保存されることに同意したことになります。

数千の企業の学習者に愛されています

2名以上のトレーニングをお考えですか？

DataCamp for Businessを試す

コース説明

大規模なデータセットを効率よく扱い、価値ある情報を引き出す力は、データサイエンティストを目指す方にとって欠かせないスキルです。少量のデータでは、コードの実行がどれほど遅くなり得るかに気づきにくいものです。本コースでは、Python と pandas ライブラリの知識を土台に、処理を高速化する pandas の効率的な組み込み関数を紹介します。pandas の組み込み関数を使えば、データから特定の要素や特徴量を取り出すといった簡単な作業から、グループごとに関数を適用するような高度な作業まで、通常の Python の手法よりずっと速く実行できます。コースの終わりには、特徴量の値に基づいて関数を適用したり、大規模なデータセットを素早く反復処理したり、異なるグループに属するデータを効率的に操作できるようになります。ポーカーハンドやレストランのチップなど、実世界のさまざまなデータセットでこれらの手法を実践します。

前提条件

Data Manipulation with pandas

1

Selecting columns and rows efficiently

This chapter will give you an overview of why efficient code matters and selecting specific and random rows and columns efficiently.

The need for efficient coding I

What does time.time() measure?

Measuring time I

Measuring time II

Locate rows: .iloc[] and .loc[]

Row selection: loc[] vs iloc[]

Column selection: .iloc[] vs by name

Select random rows

Random row selection

Random column selection

チャプター開始

2

Replacing values in a DataFrame

This chapter shows the usage of the replace() function for replacing one or multiple values using lists and dictionaries.

Replace scalar values using .replace()

Replacing scalar values I

Replace scalar values II

Replace values using lists

Replace multiple values I

Replace multiple values II

Replace values using dictionaries

Replace single values I

Replace single values II

Replace multiple values III

Most efficient method for scalar replacement

チャプター開始

3

Efficient iterating

This chapter presents different ways of iterating through a Pandas DataFrame and why vectorization is the most efficient way to achieve it.

Looping using the .iterrows() function

Create a generator for a pandas DataFrame

The iterrows() function for looping

Looping using the .apply() function

.apply() function in every cell

.apply() for rows iteration

Vectorization over pandas series

Why vectorization in pandas is so fast?

pandas vectorization in action

Vectorization with NumPy arrays using .values()

Best method of vectorization

Vectorization methods for looping a DataFrame

チャプター開始

4

Data manipulation using .groupby()

This chapter describes the groupby() function and how we can use it to transform values in place, replace missing values and apply complex functions group-wise.

Data transformation using .groupby().transform

The min-max normalization using .transform()

Transforming values to probabilities

Validation of normalization

When to use transform()?

Missing value imputation using transform()

Identifying missing values

Missing value imputation

Data filtration using the filter() function

When to use filtration?

Data filtration

Congratulations!

チャプター開始

pandasで効率的にコードを書く

コース完了

修了証明書を取得

この資格をLinkedInプロフィール、履歴書、CVに追加しましょう
ソーシャルメディアや人事評価で共有しましょう今すぐ登録

19百万人を超える学習者と一緒にpandasで効率的にコードを書くを今日から始めましょう！

無料アカウントを作成

または

続行すると、弊社の利用規約、プライバシーポリシーに同意し、データが米国に保存されることに同意したことになります。

DataCamp for Mobileでデータスキルを磨きましょう

モバイルコースと毎日の 5 分間のコーディングチャレンジで、外出先でも進歩できます。