Iterowanie przez listy

W tym ćwiczeniu masz dostęp do listy things. Zawiera ona różne typy obiektów Pythona. Musisz przejść przez elementy tej listy. Który sposób jest najlepszy, żeby rozpocząć pętlę for?

Swobodnie eksploruj słownik.

To ćwiczenie jest częścią kursu

Python dla użytkowników MATLAB-a

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Python dla użytkowników MATLAB-a

SkillTag.level.beginnerSkillTag.label

4.8+

31 reviews

Rozpocznij kurs za darmo

Ten rozdział wprowadzi cię w świat Pythona – z perspektywy użytkownika MATLAB-a. Poznasz podobieństwa i różnice między MATLAB-em a Pythonem, nauczysz się korzystać z metod i pakietów oraz zapoznasz się z popularną biblioteką NumPy.

Exercise 1: Witaj w Pythonie!Exercise 2: Podstawowe obliczenia Exercise 3: Prognozowanie inwestycji Exercise 4: Typy zmiennych Exercise 5: Metody i pakiety Exercise 6: Manipulowanie ciągami znaków za pomocą metod Exercise 7: Używanie pakietów Pythona Exercise 8: Tablice i wykresy Exercise 9: Pierwsze kroki z tablicami NumPy Exercise 10: Wykres ruchu rowerowego Exercise 11: Co wpływa na długość życia zwierząt?

W tym rozdziale rozwiniesz wiedzę o NumPy. Zagłębisz się w tablice NumPy – odpowiednik macierzy z MATLAB-a – wykonując na nich operacje matematyczne i indeksowanie. Poznasz też kolejną ważną strukturę danych w Pythonie: listę. Na koniec nauczysz się tworzyć własne wykresy swoich tablic przy użyciu Matplotlib.

Exercise 1: Zanurzamy się w tablice NumPy Exercise 2: Prognozowanie w czasie Exercise 3: O ile droższe są awokado ekologiczne?Exercise 4: Indeksowanie tablic NumPy Exercise 5: Pobieranie kolumn z tablic NumPy Exercise 6: Ruch rowerowy w ciągu tygodnia Exercise 7: Filtrowanie tablic za pomocą indeksowania logicznego Exercise 8: Listy Exercise 9: Eksploracja list Exercise 10: Tworzenie tablic NumPy z list Exercise 11: Operacje na listach i tablicach Exercise 12: Dostosowywanie wykresów Exercise 13: Kolory, style linii i legendy Exercise 14: Kodowanie danych kolorem i rozmiarem Exercise 15: Określanie typów silników w zdarzeniach z udziałem dzikich zwierząt

Ten rozdział przedstawia potężne struktury danych w Pythonie: słownik oraz DataFrame z biblioteki pandas. Nauczysz się tworzyć słowniki za pomocą par klucz-wartość, a także przeglądać je i modyfikować. Następnie poznasz jeden z najważniejszych pakietów w Pythonie – pandas. Skupisz się na strukturze DataFrame, która porządkuje dane tabelaryczne w wygodny i przejrzysty sposób. Na koniec zobaczysz, jak przekształcać różne typy danych w obiekty DataFrame, aby łatwiej pracować z danymi.

Exercise 1: Słowniki Exercise 2: Które klucze?Exercise 3: Pobieranie danych Exercise 4: Modyfikowanie słowników Exercise 5: Wprowadzenie do DataFrame Exercise 6: Eksploracja DataFrame w pandas Exercise 7: Wizualizacja danych z DataFrame Exercise 8: Dostęp do DataFrames w pandas Exercise 9: Dostęp do wierszy i kolumn Exercise 10: Wiele twarzy .iloc Exercise 11: Tworzenie DataFrames w pandas Exercise 12: Z pliku CSV Exercise 13: Ze słownika list Exercise 14: Z listy słowników

Kurs zakończysz, ucząc się sterowania przepływem w Pythonie. Poznasz pętle `for`, które pozwalają iterować po różnych strukturach danych. Zapoznasz się też z instrukcjami warunkowymi: `if`, `else` i `elif`, a także z operatorami porównania w Pythonie (większy od, mniejszy od itd.), które decydują o tym, które linie kodu zostaną wykonane. Na koniec wrócisz do tablic NumPy i zobaczysz, jak używać operatorów porównania do ich filtrowania.

Exercise 1: Iterowanie po danych Exercise 2: Iterowanie przez listy

Bieżące ćwiczenie

Exercise 3: Nakładanie wielu wykresów na jednym rysunku Exercise 4: Porównania i przepływ sterowania Exercise 5: Liczenie różnych typów samolotów Exercise 6: Wyszukiwanie określonych wierszy w DataFrame Exercise 7: Filtrowanie danych Exercise 8: Indeksowanie logiczne do szybkiej analizy Exercise 9: Wartości logiczne w akcji!Exercise 10: Indeksowanie logiczne i wizualizacja w Matplotlib Exercise 11: Świetna robota!