ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Writing Efficient Code with pandas

ระดับกลางระดับทักษะ

อัปเดตแล้ว 08/2565

Learn efficient techniques in pandas to optimize your Python code.

เริ่มเรียนหลักสูตรฟรี

PythonProgramming4 ชม.14 videos45 Exercises3,500 เอ็กซ์พี21,570คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

The ability to efficiently work with big datasets and extract valuable information is an indispensable tool for every aspiring data scientist. When working with a small amount of data, we often don’t realize how slow code execution can be. This course will build on your knowledge of Python and the pandas library and introduce you to efficient built-in pandas functions to perform tasks faster. Pandas’ built-in functions allow you to tackle the simplest tasks, like targeting specific entries and features from the data, to the most complex tasks, like applying functions on groups of entries, much faster than Python's usual methods. By the end of this course, you will be able to apply a function to data based on a feature value, iterate through big datasets rapidly, and manipulate data belonging to different groups efficiently. You will apply these methods on a variety of real-world datasets, such as poker hands or restaurant tips.

ข้อกำหนดเบื้องต้น

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

50 เอ็กซ์พี

What does time.time() measure?

50 เอ็กซ์พี

Measuring time I

100 เอ็กซ์พี

Measuring time II

100 เอ็กซ์พี

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

50 เอ็กซ์พี

Row selection: loc[] vs iloc[]

100 เอ็กซ์พี

Column selection: .iloc[] vs by name

100 เอ็กซ์พี

Select random rows

50 เอ็กซ์พี

Random row selection

100 เอ็กซ์พี

Random column selection

100 เอ็กซ์พี

เริ่มบท

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()

50 เอ็กซ์พี

Replacing scalar values I

100 เอ็กซ์พี

Replace scalar values II

100 เอ็กซ์พี

Replace values using lists

50 เอ็กซ์พี

Replace multiple values I

100 เอ็กซ์พี

Replace multiple values II

100 เอ็กซ์พี

Replace values using dictionaries

50 เอ็กซ์พี

Replace single values I

100 เอ็กซ์พี

Replace single values II

100 เอ็กซ์พี

Replace multiple values III

100 เอ็กซ์พี

Most efficient method for scalar replacement

50 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Create a generator for a pandas DataFrame

100 เอ็กซ์พี

The iterrows() function for looping

100 เอ็กซ์พี

Looping using the .apply() function

50 เอ็กซ์พี

.apply() function in every cell

100 เอ็กซ์พี

.apply() for rows iteration

100 เอ็กซ์พี

Vectorization over pandas series

50 เอ็กซ์พี

Why vectorization in pandas is so fast?

50 เอ็กซ์พี

pandas vectorization in action

100 เอ็กซ์พี

Vectorization with NumPy arrays using .values()

50 เอ็กซ์พี

Best method of vectorization

50 เอ็กซ์พี

Vectorization methods for looping a DataFrame

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

The min-max normalization using .transform()

100 เอ็กซ์พี

Transforming values to probabilities

100 เอ็กซ์พี

Validation of normalization

100 เอ็กซ์พี

When to use transform()?

50 เอ็กซ์พี

Missing value imputation using transform()

50 เอ็กซ์พี

Identifying missing values

100 เอ็กซ์พี

Missing value imputation

100 เอ็กซ์พี

Data filtration using the filter() function

50 เอ็กซ์พี

When to use filtration?

50 เอ็กซ์พี

Data filtration

100 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบท

Writing Efficient Code with pandas

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Writing Efficient Code with pandas วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา