Bu bölüm, verimli kodun neden önemli olduğuna genel bir bakış ve belirli ile rastgele satır ve sütunları verimli seçmeyi sunar.

Verimli kodlamaya neden ihtiyaç var I

time.time() neyi ölçer?

Zaman ölçümü I

Zaman ölçümü II

Satırları bul: .iloc[] ve .loc[]

Satır seçimi: loc[] vs iloc[]

Sütun seçimi: .iloc[] ve ada göre

Rastgele satırları seç

Rastgele satır seçimi

Rastgele sütun seçimi

Sütun ve satırları verimli seçme

Bu bölüm, listeler ve sözlükler kullanarak tekil veya birden çok değeri değiştirmek için replace() fonksiyonunun kullanımını gösterir.

replace() ile skaler değerleri değiştir

Skaler değerleri değiştirme I

Skaler değerleri değiştir II

Listeler kullanarak değerleri değiştir

Birden çok değeri değiştir I

Birden çok değeri değiştirme II

Sözlükler kullanarak değerleri değiştir

Tekil değerleri değiştir I

Tekil değerleri değiştir II

Birden çok değeri değiştir III

Skaler değiştirme için en verimli yöntem

Bir DataFrame içindeki değerleri değiştirme

Bu bölüm, bir Pandas DataFrame üzerinde yineleme yapmanın farklı yollarını ve neden vektörleştirmenin bunu başarmanın en verimli yolu olduğunu açıklar.

`.iterrows()` fonksiyonunu kullanarak döngü kurma

pandas DataFrame için bir üreteç oluştur

Döngü için iterrows() fonksiyonu

.apply() fonksiyonunu kullanarak döngü kurma

.apply() fonksiyonu her hücrede

.apply() ile satırlarda yineleme

pandas serileri üzerinde vektörleştirme

pandas'ta vektörleştirme neden bu kadar hızlı?

pandas vektörleştirmenin uygulaması

NumPy dizileriyle .values() kullanarak vektörleştirme

En iyi vektörleştirme yöntemi

Bir DataFrame üzerinde döngü kurmak için vektörleştirme yöntemleri

Verimli yineleme

Bu bölüm, groupby() fonksiyonunu ve değerleri yerinde dönüştürmek, eksik değerleri değiştirmek ve karmaşık fonksiyonları grup bazında uygulamak için nasıl kullanabileceğimizi açıklar.

groupby().transform ile veri dönüştürme

.transform() kullanarak min-maks normalizasyonu

Değerleri olasılıklara dönüştürme

Normalizasyonun doğrulanması

transform() ne zaman kullanılır?

transform() ile eksik değer atama

Eksik değerleri belirleme

Eksik değer ataması

filter() fonksiyonunu kullanarak veri süzme

Filtreleme ne zaman kullanılır?

Veri filtreleme

Tebrikler!

.groupby() kullanarak veri işleme

Poker

Popular Baby Names

Restaurant

Büyük veri kümeleriyle verimli çalışıp değerli bilgiler çıkarmak, her veri bilimi adayının vazgeçilmez bir aracıdır. Az miktarda veride çalışırken, kodun ne kadar yavaş çalışabileceğini çoğu zaman fark etmeyiz. Bu kurs, Python ve pandas kütüphanesi bilgin üzerine inşa ederek, görevleri daha hızlı yapmanı sağlayan pandas’ın verimli yerleşik fonksiyonlarını tanıtacak. Pandas’ın yerleşik fonksiyonları, veriden belirli kayıt ve özellikleri seçmek gibi en basit işlerden, kayıt grupları üzerinde fonksiyonlar uygulamak gibi en karmaşık işlere kadar, Python’un alışılmış yöntemlerinden çok daha hızlı ilerlemeni sağlar. Kursun sonunda, bir özelliğin değerine göre veriye fonksiyon uygulayabilecek, büyük veri kümeleri üzerinde hızla yineleme yapabilecek ve farklı gruplara ait verileri verimli biçimde dönüştürebileceksin. Bu yöntemleri, poker elleri veya restoran bahşişleri gibi çeşitli gerçek dünya veri kümeleri üzerinde uygulayacaksın.

Data Manipulation with pandas

Pandas'ta verimli teknikler öğrenerek Python kodunuzu optimize edin.

pandas ile Verimli Kod Yazma

Python kodunuzu optimize etmek için pandas'ta verimli teknikler öğrenin.

Filtreleme ne zaman kullanılır?

pandas ile Verimli Kod Yazma

Uygulamalı etkileşimli egzersiz