Przejdź do głównej treści

course

Wydajny kod w Pythonie

Średnio zaawansowanyPoziom umiejętności

Zaktualizowano 01.2026

Naucz się pisać wydajny kod, który działa szybko i sprawnie zarządza zasobami, by uniknąć zbędnego narzutu.

Rozpocznij Kurs Za Darmo

PythonProgramming

4 godz.

15 videos

52 Exercises

4,000 PD

150K+

Oświadczenie o ukończeniu

Uwielbiane przez uczących się w tysiącach firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Jako Data Scientist większość czasu powinieneś poświęcać na wyciąganie wartościowych wniosków z danych – nie na czekanie, aż kod skończy działać. Pisanie wydajnego kodu w Pythonie pozwala skrócić czas wykonania i oszczędzić zasoby obliczeniowe, dzięki czemu możesz skupić się na tym, co w tej pracy najważniejsze. W tym kursie nauczysz się korzystać z wbudowanych struktur danych, funkcji i modułów Pythona, aby pisać czystszy, szybszy i bardziej efektywny kod. Poznasz sposoby mierzenia i profilowania kodu w celu wykrywania wąskich gardeł. Następnie przećwiczysz ich eliminację oraz poprawę innych nieefektywnych wzorców, korzystając ze standardowej biblioteki Pythona, NumPy i pandas. Po ukończeniu kursu będziesz mieć wszystkie narzędzia potrzebne do pisania wydajnego kodu w Pythonie!Filmy zawierają transkrypcje na żywo – możesz je wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu. Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów. Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanym teście. Do testu możesz przejść, klikając informację o punktach CPE po prawej stronie.

Wymagania wstępne

Data Types in Python Python Toolbox

1

Foundations for efficiencies

In this chapter, you'll learn what it means to write efficient Python code. You'll explore Python's Standard Library, learn about NumPy arrays, and practice using some of Python's built-in tools. This chapter builds a foundation for the concepts covered ahead.

Pop quiz: what is efficient

A taste of things to come

Zen of Python

Building with built-ins

Built-in practice: range()

Built-in practice: enumerate()

Built-in practice: map()

The power of NumPy arrays

Practice with NumPy arrays

Bringing it all together: Festivus!

Rozpocznij Rozdział

2

Timing and profiling code

In this chapter, you will learn how to gather and compare runtimes between different coding approaches. You'll practice using the line_profiler and memory_profiler packages to profile your code base and spot bottlenecks. Then, you'll put your learnings to practice by replacing these bottlenecks with efficient Python code.

Examining runtime

Using %timeit: your turn!

Using %timeit: specifying number of runs and loops

Using %timeit: formal name or literal syntax

Code profiling for runtime

Pop quiz: steps for using %lprun

Using %lprun: spot bottlenecks

Using %lprun: fix the bottleneck

Code profiling for memory usage

Pop quiz: steps for using %mprun

Using %mprun: Hero BMI

Using %mprun: Hero BMI 2.0

Bringing it all together: Star Wars profiling

Rozpocznij Rozdział

3

Gaining efficiencies

This chapter covers more complex efficiency tips and tricks. You'll learn a few useful built-in modules for writing efficient code and practice using set theory. You'll then learn about looping patterns in Python and how to make them more efficient.

Efficiently combining, counting, and iterating

Combining Pokémon names and types

Counting Pokémon from a sample

Combinations of Pokémon

Comparing Pokédexes

Searching for Pokémon

Gathering unique Pokémon

Eliminating loops

Gathering Pokémon without a loop

Pokémon totals and averages without a loop

Writing better loops

One-time calculation loop

Holistic conversion loop

Bringing it all together: Pokémon z-scores

Rozpocznij Rozdział

4

Basic pandas optimizations

This chapter offers a brief introduction on how to efficiently work with pandas DataFrames. You'll learn the various options you have for iterating over a DataFrame. Then, you'll learn how to efficiently apply functions to data stored in a DataFrame.

Intro to pandas DataFrame iteration

Iterating with .iterrows()

Run differentials with .iterrows()

Another iterator method: .itertuples()

Iterating with .itertuples()

Run differentials with .itertuples()

pandas alternative to looping

Analyzing baseball stats with .apply()

Settle a debate with .apply()

Optimal pandas iterating

Replacing .iloc with underlying arrays

Bringing it all together: Predict win percentage

Congratulations!

Rozpocznij Rozdział

Wydajny kod w Pythonie

Ukończono
kurs

Zdobądź Certyfikat Ukończenia

Dodaj ten certyfikat do swojego profilu na LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i w swojej ocenie okresowejZapisz Się Teraz

Dołącz do ponad 19 milionów osób uczących się i zacznij Wydajny kod w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.