주요 콘텐츠로 건너뛰기

무료 강의

효율적인 Python 코드 작성

중급스킬 수준

업데이트됨 2026. 1.

효율적인 코드 작성법을 익혀 불필요한 오버헤드를 피하고, 빠르게 실행되며 자원을 능숙하게 할당하도록 하십시오.

무료 강의 시작

무료 포함

PythonProgramming

4시간

15 동영상

52 연습 문제

4,000 XP

150K+

수료 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

데이터 과학자에게 가장 중요한 시간은 코드를 기다리는 것이 아니라 데이터에서 실행 가능한 인사이트를 얻는 데 쓰여야 해요. 효율적인 Python 코드를 작성하면 실행 시간을 줄이고 연산 자원을 절약하여, 데이터 과학자로서 좋아하는 일에 더 많은 시간을 쓸 수 있어요. 이 강의에서는 Python의 내장 데이터 구조, 함수, 모듈을 활용해 더 깔끔하고 빠르며 효율적인 코드를 작성하는 방법을 배워요. 병목 구간을 찾기 위해 코드를 측정하고 프로파일링하는 방법을 살펴본 뒤, Python Standard Library, NumPy, pandas를 사용해 이러한 병목과 좋지 않은 설계 패턴을 제거하는 연습을 해볼 거예요. 강의를 마치면, 효율적인 Python 코드를 작성하는 데 필요한 도구를 갖추게 됩니다!동영상에는 실시간 대본이 포함되어 있으며, 동영상 왼쪽 하단의 "Show transcript"를 클릭하면 볼 수 있어요. 강의 용어집은 오른쪽의 리소스 섹션에서 확인할 수 있어요. CPE 학점을 받으려면 강의를 완료하고 평가에서 70% 이상의 점수를 받아야 해요. 오른쪽의 CPE 학점 안내를 클릭하면 평가로 이동할 수 있어요.

선수 조건

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!

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

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

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!

효율적인 Python 코드 작성

강의
완료

수료 증명서 받기

이 자격증을 LinkedIn 프로필, 이력서 또는 CV에 추가하세요
소셜 미디어에 공유하고 성과 평가에 반영하세요지금 등록하기

19백만 명의 학습자와 함께 오늘 효율적인 Python 코드 작성을 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.