在本章中，你會了解撰寫高效 Python 程式碼的意義。你將探索 Python Standard Library，認識 NumPy 陣列，並練習使用部分 Python 內建工具。本章將為後續主題打下基礎。

歡迎！

小測驗：什麼是高效率

先睹為快

Python 之禪

善用內建工具打造程式

內建練習：range()

內建練習：enumerate()

內建練習：map()

NumPy 陣列的威力

練習使用 NumPy 陣列

統整練習：Festivus 派對！

效率基礎

在本章中，你會學到如何收集並比較不同寫法的執行時間。你將練習使用 line_profiler 與 memory_profiler 套件，為你的程式碼做剖析並找出瓶頸。然後，你會把所學付諸實作，以高效的 Python 寫法取代這些瓶頸。

檢視執行時間

使用 %timeit：換你來！

使用 %timeit：指定執行次數與迴圈數

使用 %timeit：正式名稱或直接語法

針對執行時間的程式碼剖析

小測驗：使用 %lprun 的步驟

使用 %lprun：找出瓶頸

使用 %lprun：修正效能瓶頸

記憶體使用量的程式碼剖析

小測驗：使用 %mprun 的步驟

使用 %mprun：英雄的 BMI

使用 %mprun：Hero BMI 2.0

綜合練習：Star Wars 的效能分析

程式碼的計時與剖析

本章涵蓋更進一步的效率技巧。你會認識幾個有助於撰寫高效程式的實用內建模組，並練習使用集合論。接著，你會學到 Python 中的各種迴圈模式，以及如何讓它們更有效率。

有效率地結合、計數與反覆運算

結合寶可夢名稱與屬性

從範本中統計 Pokémon

寶可夢的組合

集合論

比較 Pokédex

搜尋 Pokémon

蒐集不重複的寶可夢

消除迴圈

不用迴圈蒐集寶可夢

不用迴圈計算 Pokémon 的總和與平均

寫出更好的迴圈

僅需計算一次的迴圈

整體轉換迴圈

整合練習：寶可夢的 z 分數

提升效率

本章將簡要介紹如何高效處理 pandas DataFrame。你會學到在 DataFrame 上進行走訪的多種方式。接著，你會了解如何有效率地把函式套用到 DataFrame 中的資料。

pandas DataFrame 迭代入門

使用 .iterrows() 進行迭代

使用 .iterrows() 計算得分差

另一個迭代方法：.itertuples()

使用 .itertuples() 迭代

使用 .itertuples() 計算得分差

用 pandas 取代逐一迴圈的做法

用 .apply() 分析棒球統計

用 .apply() 解開一場爭論

pandas 的最佳迭代方式

以底層陣列取代 .iloc

綜合練習：預測勝率

恭喜你！

pandas 基礎最佳化

Course Glossary

Baseball statistics

作為一名資料科學家，你的大部分時間應該用在從資料中萃取可行洞見——而不是等待程式碼執行完畢。撰寫高效的 Python 程式碼能縮短執行時間、節省運算資源，讓你把時間留給你熱愛的資料科學工作。在本課程中，你會學到如何運用 Python 內建的資料結構、函式與模組，寫出更精煉、更快速、也更有效率的程式碼。我們會示範如何量測與剖析程式碼，以找出瓶頸。接著，你會練習利用 Python Standard Library、NumPy 和 pandas，移除這些瓶頸與其他不良設計模式。完成本課程後，你就具備開始撰寫高效 Python 程式碼所需的工具！

影片包含即時逐字稿，你可以點選影片左下角的「Show transcript」來顯示。
課程名詞表可在右側的資源區找到。
若要取得 CPE 學分，你需要完成本課程並在合格測驗中達到 70% 的分數。你可以點選右側的 CPE 學分提示前往該測驗。

Data Types in Python

Python Toolbox

學習撰寫高效程式碼，快速執行並巧妙分配資源，避免不必要的負擔。

針對執行時間的程式碼剖析

Create Your Free Account