У чому різниця між масивом NumPy і списком?

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.

Ця вправа є частиною курсу

Практика співбесід із програмування на Python

SkillTag.level.advancedSkillTag.label

4.8+

Почніть курс безкоштовно

У цьому розділі ми освіжимо знання про основні структури даних у Python. Розглянемо, як працювати зі списками, кортежами, множинами та словниками. Також попрацюємо з рядками та регулярними виразами, щоб діставати з тексту потрібні послідовності символів.

Exercise 1: Які основні структури даних у Python?Exercise 2: Методи списків Exercise 3: Операції над множинами Exercise 4: Зберігання даних у словнику Exercise 5: Які є поширені способи обробки рядків?Exercise 6: Індексація рядків і конкатенація Exercise 7: Операції зі рядками Exercise 8: Виправлення помилок у рядках у датафреймі Exercise 9: Як писати регулярні вирази в Python?Exercise 10: Напишіть регулярний вираз Exercise 11: Знайдіть правильний шаблон Exercise 12: Розбиття за шаблоном

Цей розділ присвячено ітерабельним об'єктам. Ми нагадаємо визначення ітерабельних об'єктів і пояснимо, як їх розпізнати. Далі розглянемо включення списків — особливу можливість мови Python для створення списків. Потім згадаємо, як об'єднувати кілька ітерабельних об'єктів в один. Нарешті, навчимося створювати власні ітерабельні об'єкти за допомогою генераторів.

Exercise 1: Що таке ітеровані об'єкти?Exercise 2: enumerate()Exercise 3: Ітератори Exercise 4: Обхід датафрейму Exercise 5: Що таке list comprehension?Exercise 6: Базові list comprehensions Exercise 7: Послідовність простих чисел Exercise 8: Послідовність взаємно простих чисел Exercise 9: Що таке об'єкт zip?Exercise 10: Об'єднання ітерованих об'єктів Exercise 11: Витягування кортежів Exercise 12: Створення DataFrame Exercise 13: Що таке генератор і як його створити?Exercise 14: Зсунути рядок Exercise 15: Киньте кубик Exercise 16: Генераторні вирази

У цьому розділі зосередимося на функціональних можливостях Python. Почнемо з визначення функцій зі змінною кількістю позиційних і іменованих аргументів. Далі розглянемо лямбда-функції та випадки, коли вони корисні. Зокрема, подивимося, як використовувати їх із функціями map(), filter() та reduce(). Наприкінці нагадаємо, що таке рекурсія і як її правильно реалізувати.

Exercise 1: Як передати до функції змінну кількість аргументів?Exercise 2: Позиційні аргументи змінного розміру Exercise 3: Ключові аргументи змінного розміру Exercise 4: Поєднання типів аргументів Exercise 5: Що таке вираз lambda?Exercise 6: Визначення lambda-виразів Exercise 7: Перетворення функцій на lambda-вирази Exercise 8: Використання lambda-виразу як аргументу Exercise 9: Що таке функції map(), filter(), reduce()?Exercise 10: Функція map()Exercise 11: Функція filter()Exercise 12: Функція reduce()Exercise 13: Що таке рекурсія?Exercise 14: Порахувати кількість викликів функції Exercise 15: Обчисліть середнє значення Exercise 16: Наближене обчислення Pi рекурсією

У цьому розділі розглянемо теми наукових обчислень у Python. Почнемо з пояснення різниці між масивами NumPy та списками. Визначимо, чому перші краще підходять для складних обчислень. Далі розглянемо корисні прийоми роботи з датафреймами pandas. Наостанок виконаємо візуалізацію даних за допомогою діаграм розсіювання, гістограм і коробкових діаграм.

Exercise 1: У чому різниця між масивом NumPy і списком?

Поточна вправа

Exercise 2: Некоректна ініціалізація масиву Exercise 3: Доступ до підмасивів Exercise 4: Операції з масивами NumPy Exercise 5: Як використовувати метод .apply() у датафреймі?Exercise 6: Просте використання .apply()Exercise 7: Додаткові аргументи Exercise 8: Функції з додатковими аргументами Exercise 9: Як використовувати метод .groupby() для DataFrame?Exercise 10: Стандартні методи DataFrame Exercise 11: BMI лиходіїв Exercise 12: Імпутація значень NaN Exercise 13: Як візуалізувати дані в Python?Exercise 14: Досліджуйте зв'язки між ознаками Exercise 15: Побудуйте гістограму Exercise 16: Побудова boxplot-діаграм Exercise 17: Підсумкові думки