After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Att effektivt arbeta med stora datamängder och utvinna värdefull information är en oumbärlig färdighet för varje blivande datavetare. När man arbetar med små datamängder märker man sällan hur långsam kodexekveringen kan vara. Den här kursen bygger vidare på dina kunskaper i Python och pandas-biblioteket och introducerar dig till effektiva inbyggda pandas-funktioner som utför uppgifter snabbare. Pandas inbyggda funktioner gör det möjligt att hantera allt från enkla uppgifter – som att välja ut specifika poster och variabler – till mer komplexa uppgifter, som att tillämpa funktioner på grupper av poster, betydligt snabbare än Pythons vanliga metoder. När du är klar med kursen kommer du att kunna tillämpa en funktion på data baserat på ett variabelvärde, iterera igenom stora datamängder snabbt och hantera data som tillhör olika grupper på ett effektivt sätt. Du tillämpar dessa metoder på en rad verkliga datamängder, till exempel pokerhänder eller drickstips på restauranger.
Förkunskapskrav
Kursplan
Kursöversikt
1
Effektivt urval av kolumner och rader
Det här kapitlet ger dig en översikt över varför effektiv kod spelar roll och hur du väljer ut specifika och slumpmässiga rader och kolumner på ett effektivt sätt.
- Varför effektiv kod är viktigt, del I50 XP
- Vad mäter time.time()?50 XP
- Tidsmätning I100 XP
- Mäta tid II100 XP
- Hitta rader: .iloc[] och .loc[]50 XP
- Radurval: loc[] vs iloc[]100 XP
- Kolumnval: .iloc[] jämfört med namn100 XP
- Välj slumpmässiga rader50 XP
- Slumpmässigt urval av rader100 XP
- Slumpmässigt kolumnurval100 XP
2
Ersätta värden i en DataFrame
Det här kapitlet visar hur funktionen replace() används för att ersätta ett eller flera värden med hjälp av listor och ordlistor.
3
Effektiv iteration
Det här kapitlet presenterar olika sätt att iterera igenom en pandas DataFrame och förklarar varför vektorisering är det mest effektiva tillvägagångssättet.
4
Datamanipulering med .groupby()
Det här kapitlet beskriver funktionen groupby() och hur den kan användas för att transformera värden på plats, ersätta saknade värden och tillämpa komplexa funktioner per grupp.
Effektiv kodning med pandas
Kurs
slutförd
