Caja de herramientas de Python para la ciencia de datos (Parte 2)
Comience El Curso Gratis4 Horas12 Videos46 Ejercicios
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas
Preferido por estudiantes en miles de empresas
Descripción del curso
En este segundo curso de Python Data Science Toolbox, continuará desarrollando sus habilidades de ciencia de datos en Python. En primer lugar, aprenderás sobre los iteradores, objetos que ya has encontrado en el contexto de los bucles for. A continuación, aprenderás sobre las comprensiones de listas, que son herramientas muy útiles para todos los científicos de datos que trabajan en Python. Finalizará el curso con un caso práctico en el que aplicará todas las técnicas aprendidas en las dos partes del curso.
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pistaFundamentos de Python
Ir a la pista- 1
Uso de iteradores en PythonLand
GratuitoAprenderás todo sobre iteradores e iterables, con los que ya has trabajado al escribir bucles for. Aprenderás algunas funciones útiles que te permitirán trabajar eficazmente con iteradores. Y terminarás el capítulo con un caso de uso que es pertinente para el mundo de la ciencia de datos y el manejo de grandes cantidades de datos-en este caso, datos de Twitter que cargarás en trozos usando iteradores.
Introducción a los iteradores50 xpIteradores vs. Iterables50 xpIterar sobre iterables (1)100 xpIterar sobre iterables (2)100 xpIteradores como argumentos de función100 xpJugar con iteradores50 xpUso de enumerar100 xpUtilizar zip100 xpUsar * y zip para 'descomprimir'100 xpUso de iteradores para cargar archivos grandes en memoria50 xpProcesamiento de grandes cantidades de datos de Twitter100 xpExtracción de información de grandes cantidades de datos de Twitter100 xp¡Enhorabuena!50 xp - 2
Comprensiones y generadores de listas
En este capítulo, ampliarás tus conocimientos sobre los iteradores y conocerás las comprensiones de listas, que te permitirán crear listas complicadas -y listas de listas- en una sola línea de código. Las comprensiones de listas pueden simplificar drásticamente su código y hacerlo más eficiente, y se convertirán en una parte vital de su caja de herramientas de ciencia de datos de Python. A continuación, aprenderá acerca de los generadores, que son extremadamente útiles cuando se trabaja con grandes secuencias de datos que puede que no desee almacenar en la memoria, sino generar sobre la marcha.
Comprensión de listas50 xpEscribir una lista básica de comprensión50 xpComprensión de listas sobre iterables50 xpEscribir listas de comprensión100 xpComprensiones de listas anidadas100 xpComprensiones avanzadas50 xpUso de condicionales en las comprensiones (1)100 xpUso de condicionales en las comprensiones (2)100 xpComprensiones dict100 xpIntroducción a las expresiones generadoras50 xpComprensión de listas frente a generadores50 xpEscribe tus propias expresiones generadoras100 xpModificación de la salida en las expresiones del generador100 xpConstruir un generador100 xpEnvolver comprensiones y generadores.50 xpComprensiones de listas para datos con fecha y hora100 xpComprensión condicional de listas para datos con fecha y hora100 xp - 3
Unirlo todo
Este capítulo le permitirá aplicar sus conocimientos recién adquiridos para manejar y extraer información significativa de un conjunto de datos del mundo real: los Indicadores del desarrollo mundial del Banco Mundial. Tendrás la oportunidad de escribir tus propias funciones y comprensiones de listas mientras trabajas con iteradores y generadores para consolidar tus habilidades en la ciencia de datos en Python.
Bienvenido al caso práctico50 xpDiccionarios para la ciencia de datos100 xpEscribir una función de ayuda100 xpUtilizar una lista de comprensión100 xpConvertir todo esto en un DataFrame100 xpUso de generadores de Python para el flujo de datos50 xpTratamiento de datos en trozos (1)100 xpEscribir un generador para cargar datos en trozos (2)100 xpEscribir un generador para cargar datos en trozos (3)100 xpUso del iterador read_csv de pandas para el flujo de datos50 xpEscribir un iterador para cargar datos en trozos (1)100 xpEscribir un iterador para cargar datos en trozos (2)100 xpEscribir un iterador para cargar datos en trozos (3)100 xpEscribir un iterador para cargar datos en trozos (4)100 xpEscribir un iterador para cargar datos en trozos (5)100 xpReflexiones finales50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pistaFundamentos de Python
Ir a la pistaColaboradores
Requisitos Previos
Python Data Science Toolbox (Part 1)Hugo Bowne-Anderson
Ver MasData Scientist
¿Qué tienen que decir otros alumnos?
¡Únete a 13 millones de estudiantes y empieza Caja de herramientas de Python para la ciencia de datos (Parte 2) hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.