बिल्ट-इन्स के साथ बनाना

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Efficient Python Code लिखना

SkillTag.level.intermediateSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

इस चैप्टर में, आप समझेंगे कि efficient Python code लिखने का क्या अर्थ है। आप Python की Standard Library खोजेंगे, NumPy arrays के बारे में सीखेंगे, और Python के कुछ बिल्ट-इन टूल्स का उपयोग करने की प्रैक्टिस करेंगे। यह चैप्टर आगे कवर किए गए कॉन्सेप्ट्स के लिए एक मज़बूत आधार तैयार करता है।

Exercise 1: स्वागत है!Exercise 2: पॉप क्विज़: efficient का अर्थ क्या है Exercise 3: आगे आने वाली चीज़ों की एक झलक Exercise 4: Zen of Python Exercise 5: बिल्ट-इन्स के साथ बनाना

वर्तमान अभ्यास

Exercise 6: बिल्ट-इन प्रैक्टिस: range()Exercise 7: बिल्ट-इन प्रैक्टिस: enumerate()Exercise 8: बिल्ट-इन प्रैक्टिस: map()Exercise 9: NumPy arrays की ताकत Exercise 10: NumPy arrays के साथ प्रैक्टिस Exercise 11: सब कुछ साथ लाएँ: Festivus!

इस चैप्टर में, आप अलग-अलग कोडिंग तरीकों के बीच रनटाइम इकट्ठा करना और उनकी तुलना करना सीखेंगे। आप line_profiler और memory_profiler पैकेज का उपयोग करके अपने कोडबेस की प्रोफाइलिंग की प्रैक्टिस करेंगे और बॉटलनेक्स पहचानेंगे। फिर, आप इन्हें efficient Python code से बदलकर अपनी सीख को अमल में लाएँगे।

Exercise 1: रनटाइम की जाँच Exercise 2: %timeit का उपयोग: अब आपकी बारी!Exercise 3: %timeit का उपयोग: runs और loops की संख्या तय करना Exercise 4: %timeit का उपयोग: औपचारिक नाम या लिटरल सिंटैक्स Exercise 5: रनटाइम के लिए कोड प्रोफाइलिंग Exercise 6: पॉप क्विज़: %lprun का उपयोग करने के स्टेप्स Exercise 7: %lprun का उपयोग: bottlenecks पहचानें Exercise 8: %lprun का उपयोग: bottleneck ठीक करें Exercise 9: मेमोरी उपयोग के लिए कोड प्रोफाइलिंग Exercise 10: त्वरित प्रश्न: %mprun का उपयोग करने के चरण Exercise 11: %mprun का उपयोग: Hero BMI Exercise 12: %mprun का उपयोग: Hero BMI 2.0 Exercise 13: सब कुछ एक साथ: Star Wars प्रोफाइलिंग

यह चैप्टर और जटिल दक्षता से जुड़ी टिप्स और ट्रिक्स कवर करता है। आप efficient कोड लिखने के लिए कुछ काम के बिल्ट-इन मॉड्यूल सीखेंगे और सेट थ्योरी का उपयोग करने की प्रैक्टिस करेंगे। इसके बाद, आप Python में लूपिंग पैटर्न्स के बारे में जानेंगे और उन्हें और अधिक efficient बनाने के तरीके सीखेंगे।

Exercise 1: कुशलतापूर्वक संयोजन, काउंटिंग, और इटररेशन Exercise 2: Pokémon के नाम और प्रकारों को जोड़ना Exercise 3: नमूने से Pokémon की गिनती Exercise 4: Pokémon के combinations Exercise 5: सेट थ्योरी Exercise 6: Pokédex की तुलना Exercise 7: पोकेमॉन खोजना Exercise 8: यूनिक Pokémon इकट्ठा करना Exercise 9: Loops हटाना Exercise 10: बिना लूप के Pokémon इकट्ठा करना Exercise 11: बिना लूप के Pokémon totals और averages Exercise 12: बेहतर लूप लिखना Exercise 13: वन-टाइम कैलकुलेशन लूप Exercise 14: Holistic conversion लूप Exercise 15: सब एक साथ: Pokémon z-scores

यह चैप्टर pandas DataFrames के साथ कुशलतापूर्वक काम करने का संक्षिप्त परिचय देता है। आप सीखेंगे कि किसी DataFrame पर iterate करने के लिए आपके पास कौन-कौन से विकल्प हैं। फिर, आप जानेंगे कि DataFrame में स्टोर डेटा पर फंक्शन्स को efficient तरीके से कैसे apply किया जाए।

Exercise 1: pandas DataFrame iteration का परिचय Exercise 2: .iterrows() के साथ इटरेट करना Exercise 3: `.iterrows()` के साथ रन डिफरेंशियल निकालें Exercise 4: एक और iterator मेथड: .itertuples()Exercise 5: .itertuples() के साथ इटरेट करना Exercise 6: `.itertuples()` के साथ रन डिफरेंशियल निकालें Exercise 7: लूपिंग के बजाय pandas का विकल्प Exercise 8: `.apply()` के साथ बेसबॉल स्टैट्स का विश्लेषण Exercise 9: `.apply()` से बहस का निपटारा करें Exercise 10: pandas में सर्वोत्तम iteration Exercise 11: .iloc को अंडरलाईंग arrays से बदलना Exercise 12: सब कुछ एक साथ: जीत प्रतिशत का पूर्वानुमान लगाएँ Exercise 13: बधाई हो!