本章将带您理解什么是高效的 Python 代码。您将探索 Python 标准库，了解 NumPy 数组，并练习使用一些 Python 的内置工具。本章为后续内容打下基础。

欢迎！

小测验：什么是高效

预览后续内容

Python 之禅

用内置工具构建

内置函数练习：range()

内置练习：enumerate()

内置练习：map()

NumPy 数组的威力

练习使用 NumPy 数组

把所学融会贯通：Festivus 派对！

效率基础

本章将介绍如何收集并比较不同编码方式的运行时间。您将练习使用 line_profiler 和 memory_profiler 包剖析代码库并发现瓶颈。然后，您会将所学付诸实践，用更高效的 Python 代码替换这些瓶颈。

检查运行时间

使用 %timeit：轮到您了！

使用 %timeit：指定运行次数与循环次数

使用 %timeit：正式名称还是字面量语法

针对运行时长的代码剖析

小测验：使用 %lprun 的步骤

使用 %lprun：定位瓶颈

使用 %lprun：修复瓶颈

针对内存使用的代码剖析

小测验：使用 %mprun 的步骤

使用 %mprun：英雄 BMI

使用 %mprun：Hero BMI 2.0

综合运用：Star Wars（星球大战）性能分析

代码计时与剖析

本章涵盖更复杂的提效技巧。您将学习几种有助于编写高效代码的内置模块，并练习使用集合论。随后，您将了解 Python 中的循环模式，以及如何让它们更高效。

高效地合并、计数与迭代

合并宝可梦名称与类型

对样本中的宝可梦计数

宝可梦的组合

集合论

比较图鉴（Pokédex）

搜索宝可梦

收集独特的宝可梦

消除循环

不使用循环收集宝可梦

不使用循环计算宝可梦总分与均分

写出更高效的循环

一次性计算的循环

整体式转换循环

综合练习：宝可梦 z 分数

获得更高效率

本章将简要介绍如何高效地处理 pandas DataFrame。您将了解遍历 DataFrame 的多种方式。随后，您将学习如何高效地对 DataFrame 中的数据应用函数。

pandas DataFrame 迭代简介

使用 .iterrows() 迭代

使用 .iterrows() 计算得分差

另一种迭代器方法：.itertuples()

使用 .itertuples() 迭代

使用 .itertuples() 计算得失分差

用 pandas 替代循环的方法

使用 .apply() 分析棒球统计数据

用 .apply() 解决一场争论

pandas 最优迭代

用底层数组替换 .iloc

整合练习：预测胜率

恭喜您！

pandas 基础优化

Course Glossary

Baseball statistics

作为一名数据科学家，您的大部分时间应该用来从数据中提炼可操作的洞见，而不是等待代码运行结束。高效的 Python 代码可以缩短运行时间、节省计算资源，从而让您把精力投入到更有价值的工作中。本课程将带您学习如何利用 Python 的内置数据结构、函数和模块，编写更简洁、更快速、更高效的代码。我们将探讨如何对代码进行计时与性能分析，以定位瓶颈。随后，您将练习使用 Python 标准库、NumPy 和 pandas 消除这些瓶颈，并改进不良的设计模式。完成本课程后，您将具备开始编写高效 Python 代码所需的工具！

视频包含实时字幕，您可以点击视频左下角的 "Show transcript" 展开查看。
课程术语表位于右侧的资源部分。
若要获得 CPE 学分，您需要完成课程并在合格测评中取得 70% 的分数。您可以点击右侧的 CPE 学分提示进入测评。

Data Types in Python

Python Toolbox

学习编写高效代码，快速执行并巧妙分配资源，避免不必要的开销。

针对运行时长的代码剖析

Create Your Free Account