Det här kapitlet introducerar dig till Pythons grundläggande datatyper – listor, mängder och strängar. Dessa databehållare är centrala eftersom de utgör grunden för att lagra och iterera över ordnad data. För att göra det hela intressant använder du det du lär dig om dessa typer för att besvara frågor om datasetet New York Baby Names!

Introduktion och listor

Manipulera listor på ett smart sätt

Iterera över listor

Lär känna tupler

Val av datatyp

Använda och packa upp tupler

Att skapa tupler av misstag

Strängar

Formaterade strängliteraler ("f"-strängar)

Kombinera flera strängar

Söka efter strängar i andra strängar

Grundläggande sekvensbaserade datatyper

Grunden i Python är ordböcker. Här lär du dig att använda dem på ett säkert och flexibelt sätt för att hantera data som kan betraktas ur flera vinklar – och för att besvara ännu fler frågor om datasetet New York Baby Names. Du utforskar hur du loopar genom data i en ordbok, hur du hämtar nästlad data, lägger till ny data, och hur du på bästa sätt utnyttjar allt som Python-ordböcker har att erbjuda.

Använda ordlistor

Skapa och iterera genom ordböcker

Säker sökning med nyckel

Att ändra i ordlistor

Lägga till och utöka ordlistor

Ta bort element från ordlistor med pop och del

Använda ordlistor på ett pythonskt sätt

Arbeta med ordböcker på pythoniskt vis

Söka efter data i ordböcker

Blandade datatyper i ordlistor

Arbeta med nästlade ordlistor

Hantera nästlade blandade typer

Ordböcker – grunden i Python

Nu tar vi ett steg bort från ordböcker och tittar på några andra vanliga numeriska datatyper och booleaner, samt mängder.

Numeriska datatyper

Alternativ

Heltal

Float

Decimal

När ska du använda heltal och flyttal?

Skriva ut flyttal

Division med heltal och flyttal

Booleaner – den logiska datatypen

Mer än bara sant och falskt

Jämförelser

Truthy, True, Falsey och False

Mängder (oordnad data med optimerade logiska operationer)

Beräkna differensen mellan mängder

Hitta all data och överlappande data mellan mängder

Numeriska datatyper, booleaner och mängder

Vissa datatyper är sammansatta av andra datatyper och ger ännu fler möjligheter än de grundläggande typerna. Vi utforskar några komplexa typer från collections-modulen och dataklasser.

Räkna med lätthet

Använda Counter på listor

Hitta de vanligaste elementen

Ordlistor med okänd struktur – Defaultdict

Skapa ordböcker med okänd struktur

Lägga till värden i en nyckels valuelista på ett säkert sätt

Vad menar du med att jag saknar klass? Namedtuple

Skapa namedtuples för att lagra data

Använda attribut på namedtuples

Dataklasser

Skapa en dataklass

Använda dataklasser

Avslutning

Avancerade datatyper

CTA daily station totals

Baby names

Chicago crime

CTA daily summary totals

Har du grunderna i Python på plats och vill ta nästa steg? Då är den här kursen rätt för dig. Här fördjupar och tränar du dina kunskaper om listor, ordböcker, tupler, mängder och datum och tider. Du ser hur de används med verklig data och hur du kan kombinera flera av dem för att lösa flerstegsproblem – bland annat i en utökad fallstudie med kollektivtrafikdata från Chicagos storstadsområde. Du lär dig även att använda många av objekten i Pythons Collections-modul, vilket gör det möjligt att lagra och bearbeta data för en rad olika ändamål. Efter kursen är du redo att tackla många datautmaningar på ett Pythoniskt sätt.

Python Toolbox

Datatyper i Python

Fördjupa och utöka dina kunskaper om Python-datatyper som listor, ordböcker och tupler för att lösa Data Science-problem.

Associate Python-utvecklare

Grundläggande Python-programmering

När resultatet kommer att vara ett heltal

När approximation är tillräckligt bra (de flesta program)

När ska du använda heltal och flyttal?

Datatyper i Python

Interaktiv övning med praktiskt arbete