Inicio
Cursos
Como escrever um código Python eficiente

Introdução à iteração do DataFrame do pandas

Este exercício faz parte do curso

Como escrever um código Python eficiente

IntermediárioNível de habilidade

4.8+

Neste 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.

Exercise 1: Boas-vindas!Exercise 2: Questionário: o que é eficiência?Exercise 3: Uma amostra do que está por vir Exercise 4: Zen do Python Exercise 5: Edifício com armários embutidos Exercise 6: Prática incorporada: intervalo()Exercise 7: Prática incorporada: enumerate()Exercise 8: Prática incorporada: map()Exercise 9: O poder das matrizes NumPy Exercise 10: Prática com matrizes NumPy Exercise 11: Reunindo tudo isso: Festivus!

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.

Exercise 1: Examinando o tempo de execução Exercise 2: Usando %timeit: é a sua vez!Exercise 3: Usando %timeit: especificando o número de execuções e loops Exercise 4: Usando %timeit: nome formal ou sintaxe literal Exercise 5: Criação de perfil de código para tempo de execução Exercise 6: Teste rápido: etapas para usar %lprun Exercise 7: Usando %lprun: identificar gargalos Exercise 8: Usar %lprun: corrigir o gargalo Exercise 9: Criação de perfil de código para uso de memória Exercise 10: Teste rápido: etapas para usar %mprun Exercise 11: Usando %mprun: Herói IMC Exercise 12: Usando %mprun: Hero BMI 2.0 Exercise 13: Reunindo tudo isso: Perfil de Guerra nas Estrelas

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.

Exercise 1: Combinar, contar e iterar de forma eficiente Exercise 2: Combinando nomes e tipos de Pokémon Exercise 3: Contagem de Pokémon a partir de uma amostra Exercise 4: Combinações de Pokémon Exercise 5: Teoria dos conjuntos Exercise 6: Comparação de Pokédexes Exercise 7: Procurando por Pokémon Exercise 8: Coleta de Pokémon únicos Exercise 9: Eliminação de loops Exercise 10: Coleta de Pokémon sem um loop Exercise 11: Totais e médias de Pokémon sem um loop Exercise 12: Escrevendo loops melhores Exercise 13: Loop de cálculo único Exercise 14: Loop de conversão holística Exercise 15: Reunindo tudo isso: Pontuações z de Pokémon

Este capítulo oferece uma breve introdução sobre como você pode trabalhar com eficiência 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.

Exercise 1: Introdução à iteração do DataFrame do pandas

Exercício atual

Exercise 2: Iteração com .iterrows()Exercise 3: Executar diferenciais com .iterrows()Exercise 4: Outro método de iterador: .itertuples()Exercise 5: Iteração com .itertuples()Exercise 6: Executar diferenciais com .itertuples()Exercise 7: alternativa do pandas ao looping Exercise 8: Analisando estatísticas de beisebol com .apply()Exercise 9: Resolva um debate com .apply()Exercise 10: Iteração ideal do pandas Exercise 11: Substituição de .iloc por matrizes subjacentes Exercise 12: Reunindo tudo isso: Prever a porcentagem de vitórias Exercise 13: Parabéns!