Bagaimana cara meneruskan jumlah argumen yang bervariasi ke sebuah fungsi?

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.

Latihan ini merupakan bagian dari kursus

Berlatih Pertanyaan Wawancara Coding di Python

SkillTag.level.advancedSkillTag.label

4.8+

Mulai Kursus Gratis

Di bab ini, kita akan menyegarkan kembali pengetahuan tentang struktur data utama yang digunakan di Python. Kita akan membahas cara bekerja dengan list, tuple, set, dan dictionary. Kita juga akan meninjau string serta cara menulis regular expression untuk mengambil urutan karakter tertentu dari sebuah teks.

Exercise 1: Apa saja struktur data utama di Python?Exercise 2: Metode list Exercise 3: Operasi pada himpunan Exercise 4: Menyimpan data dalam dictionary Exercise 5: Apa saja cara umum untuk memanipulasi string?Exercise 6: Pengindeksan string dan penggabungan Exercise 7: Operasi pada string Exercise 8: Memperbaiki kesalahan string dalam DataFrame Exercise 9: Bagaimana menulis regular expression di Python?Exercise 10: Tulis sebuah regular expression Exercise 11: Temukan pola yang benar Exercise 12: Memisahkan berdasarkan pola

Bab ini berfokus pada objek iterable. Kita akan mengingat kembali definisi objek iterable dan menjelaskan cara mengidentifikasinya. Selanjutnya, kita akan membahas list comprehension, fitur istimewa dalam bahasa pemrograman Python untuk mendefinisikan list. Lalu, kita akan meninjau cara menggabungkan beberapa objek iterable menjadi satu. Terakhir, kita akan membahas cara membuat objek iterable kustom menggunakan generator.

Exercise 1: Apa itu objek iterable?Exercise 2: enumerate()Exercise 3: Iterator Exercise 4: Menelusuri sebuah DataFrame Exercise 5: Apa itu list comprehension?Exercise 6: List comprehension dasar Exercise 7: Urutan bilangan prima Exercise 8: Deret bilangan koprima Exercise 9: Apa itu objek zip?Exercise 10: Menggabungkan objek iterable Exercise 11: Mengekstrak tuple Exercise 12: Membuat DataFrame Exercise 13: Apa itu generator dan bagaimana cara membuatnya?Exercise 14: Geser sebuah string Exercise 15: Lempar dadu Exercise 16: Pemahaman generator

Bab ini akan berfokus pada aspek fungsional Python. Kita akan mulai dengan mendefinisikan fungsi dengan jumlah argumen posisi serta kata kunci yang bervariasi. Selanjutnya, kita akan membahas fungsi lambda dan kapan fungsi tersebut bermanfaat. Secara khusus, kita akan melihat cara menggunakannya dengan fungsi map(), filter(), dan reduce(). Terakhir, kita akan mengingat kembali apa itu rekursi dan cara mengimplementasikannya dengan benar.

Exercise 1: Bagaimana cara meneruskan jumlah argumen yang bervariasi ke sebuah fungsi?

Latihan Saat Ini

Exercise 2: Argumen posisional dengan ukuran variabel Exercise 3: Argumen kata kunci dengan ukuran variabel Exercise 4: Mengombinasikan jenis argumen Exercise 5: Apa itu ekspresi lambda?Exercise 6: Mendefinisikan ekspresi lambda Exercise 7: Mengonversi fungsi menjadi ekspresi lambda Exercise 8: Menggunakan ekspresi lambda sebagai argumen Exercise 9: Apa fungsi map(), filter(), reduce()?Exercise 10: Fungsi map()Exercise 11: Fungsi filter()Exercise 12: Fungsi reduce()Exercise 13: Apa itu rekursi?Exercise 14: Hitung jumlah pemanggilan fungsi Exercise 15: Hitung nilai rata-rata Exercise 16: Mengaproksimasi Pi dengan rekursi

Bab ini akan membahas topik komputasi ilmiah di Python. Kita akan mulai dengan menjelaskan perbedaan antara array NumPy dan list. Kita akan menjelaskan mengapa yang pertama lebih cocok untuk perhitungan kompleks. Selanjutnya, kita akan membahas beberapa teknik berguna untuk memanipulasi pandas DataFrame. Terakhir, kita akan melakukan visualisasi data menggunakan scatterplot, histogram, dan boxplot.

Exercise 1: Apa perbedaan antara array NumPy dan list?Exercise 2: Inisialisasi array yang tidak benar Exercise 3: Mengakses subarray Exercise 4: Operasi dengan array NumPy Exercise 5: Bagaimana cara menggunakan metode .apply() pada DataFrame?Exercise 6: Penggunaan sederhana .apply()Exercise 7: Argumen tambahan Exercise 8: Fungsi dengan argumen tambahan Exercise 9: Bagaimana cara menggunakan metode .groupby() pada DataFrame?Exercise 10: Metode standar DataFrame Exercise 11: BMI para penjahat Exercise 12: Imputasi nilai NaN Exercise 13: Bagaimana memvisualisasikan data di Python?Exercise 14: Jelajahi hubungan antar fitur Exercise 15: Buat histogram Exercise 16: Membuat boxplot Exercise 17: Pemikiran akhir