Como escrever um código Python eficiente
Aprenda a escrever código eficiente que execute rapidamente e aloque recursos com habilidade.
Comece O Curso Gratuitamente4 horas15 vídeos52 exercícios124.988 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
Como cientista de dados, a maior parte do seu tempo deve ser gasta na obtenção de insights práticos a partir dos dados, e não esperando que o código termine de ser executado. Escrever um código Python eficiente pode ajudar a reduzir o tempo de execução e economizar recursos computacionais, liberando você para fazer as coisas que adora como cientista de dados. Neste curso, você aprenderá a usar as estruturas de dados, as funções e os módulos integrados do Python para escrever códigos mais limpos, mais rápidos e mais eficientes. Exploraremos como cronometrar e traçar o perfil do código para encontrar gargalos. Em seguida, você praticará a eliminação desses gargalos e de outros padrões de projeto ruins, usando a biblioteca padrão do Python, o NumPy e o pandas. Depois de concluir este curso, você terá as ferramentas necessárias para começar a escrever códigos Python eficientes!
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Programação Python
Ir para a trilha- 1
Fundamentos para eficiências
GratuitoNeste capítulo, você aprenderá o que significa escrever um código Python eficiente. Você explorará a Biblioteca Padrão do Python, aprenderá sobre matrizes NumPy e praticará o uso de algumas das ferramentas integradas do Python. Este capítulo cria uma base para os conceitos abordados a seguir.
Você é bem-vindo!50 xpQuestionário: o que é eficiência?50 xpUma amostra do que está por vir100 xpZen do Python50 xpEdifício com armários embutidos50 xpPrática incorporada: intervalo()100 xpPrática incorporada: enumerate()100 xpPrática incorporada: map()100 xpO poder das matrizes NumPy50 xpPrática com matrizes NumPy100 xpReunindo tudo isso: Festivus!100 xp - 2
Código de tempo e perfil
Neste capítulo, você aprenderá a reunir e comparar tempos de execução entre diferentes abordagens de codificação. Você praticará o uso dos pacotes line_profiler e memory_profiler para traçar o perfil da sua base de código e identificar gargalos. Em seguida, você colocará em prática o que aprendeu, substituindo esses gargalos por um código Python eficiente.
Examinando o tempo de execução50 xpUsando %timeit: é a sua vez!100 xpUsando %timeit: especificando o número de execuções e loops50 xpUsando %timeit: especificando o número de execuções e loops25 xpUsando %timeit: nome formal ou sintaxe literal100 xpCode profiling for runtime50 xpPop quiz: steps for using %lprun50 xpUsing %lprun: spot bottlenecks50 xpUsando %lprun: identificar gargalos50 xpCode profiling for memory usage50 xpPop quiz: steps for using %mprun50 xpUsing %mprun: Hero BMI50 xpUsando %mprun: Herói BMI50 xpBringing it all together: Star Wars profiling100 xp - 3
Ganho de eficiência
Este capítulo aborda dicas e truques de eficiência mais complexos. Você aprenderá alguns módulos internos úteis para escrever códigos eficientes e praticar o uso da teoria dos conjuntos. Em seguida, você aprenderá sobre padrões de looping em Python e como torná-los mais eficientes.
Combinar, contar e iterar de forma eficiente50 xpCombinando nomes e tipos de Pokémon100 xpContagem de Pokémon a partir de uma amostra100 xpCombinações de Pokémon100 xpTeoria dos conjuntos50 xpComparação de Pokédexes100 xpProcurando por Pokémon100 xpColeta de Pokémon únicos100 xpEliminação de loops50 xpColeta de Pokémon sem um loop100 xpTotais e médias de Pokémon sem um loop100 xpEscrevendo loops melhores50 xpLoop de cálculo único100 xpLoop de conversão holística100 xpReunindo tudo isso: Pokémon z-scores100 xp - 4
Otimizações básicas do pandas
Este capítulo oferece uma breve introdução sobre como trabalhar de forma eficiente com os DataFrames do pandas. Você aprenderá as várias opções que tem para iterar sobre um DataFrame. Em seguida, você aprenderá a aplicar funções de forma eficiente aos dados armazenados em um DataFrame.
Introdução à iteração do DataFrame do pandas50 xpIteração com .iterrows()100 xpExecutar diferenciais com .iterrows()100 xpOutro método de iterador: .itertuples()50 xpIteração com .itertuples()100 xpExecutar diferenciais com .itertuples()100 xpalternativa do pandas ao looping50 xpAnalisando estatísticas de beisebol com .apply()100 xpResolva um debate com .apply()100 xpIteração ideal do pandas50 xpSubstituição de .iloc por matrizes subjacentes100 xpReunindo tudo isso: Prever a porcentagem de vitórias100 xpParabéns!50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Programação Python
Ir para a trilhaLogan Thomas
Ver MaisScientific Software Technical Trainer, Enthought
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Como escrever um código Python eficiente hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.