Hướng dẫn advanced for loop python - nâng cao cho vòng lặp python

Ngày 16 tháng 7 năm 2019

Trong một hướng dẫn trước đây, chúng tôi đã đề cập đến những điều cơ bản của Python cho các vòng lặp, xem xét cách lặp lại thông qua danh sách và danh sách danh sách. Nhưng có rất nhiều điều để các vòng lặp hơn là lặp qua các danh sách và trong công việc khoa học dữ liệu trong thế giới thực, bạn có thể muốn sử dụng cho các vòng lặp với các cấu trúc dữ liệu khác, bao gồm các mảng numpy và các khung dữ liệu gấu trúc.

Hướng dẫn này bắt đầu bằng cách sử dụng cho các vòng lặp để lặp lại thông qua các cấu trúc dữ liệu Python phổ biến khác ngoài danh sách (như bộ dữ liệu và từ điển). Sau đó, chúng tôi sẽ tìm hiểu sử dụng cho các vòng lặp song song với các thư viện khoa học dữ liệu Python phổ biến như

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Đánh giá nhanh: Python cho Loop

A for Loop là một tuyên bố lập trình cho Python lặp lại một bộ sưu tập các đối tượng, thực hiện cùng một thao tác trên mỗi đối tượng theo trình tự. Cú pháp cơ bản là:

for object in collection_of_objects:
    # code you want to execute on each object

Mỗi lần Python lặp lại qua vòng lặp, biến

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Bây giờ, hãy để Lặn đi vào cách sử dụng cho các vòng lặp với các loại cấu trúc dữ liệu khác nhau. Chúng tôi sẽ bỏ qua các danh sách vì chúng đã được đề cập trong hướng dẫn trước đó; Nếu bạn cần xem xét thêm, hãy xem bài học tương tác giới thiệu hoặc DataQuest trên danh sách và cho các vòng lặp.

Cấu trúc dữ liệu

Bộ dữ liệu

Tuples là trình tự, giống như danh sách. Sự khác biệt giữa các bộ dữ liệu và danh sách là các bộ dữ liệu là bất biến; Đó là, chúng không thể thay đổi (tìm hiểu thêm về các đối tượng có thể thay đổi và bất biến trong Python). Tuples cũng sử dụng dấu ngoặc đơn thay vì dấu ngoặc vuông.

Bất kể những khác biệt này, việc lặp qua các bộ dữ liệu rất giống với danh sách.

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

Nếu chúng ta có một danh sách các bộ dữ liệu, chúng ta có thể truy cập các phần tử riêng lẻ trong mỗi bộ thuật trong danh sách của chúng ta bằng cách đưa chúng vào cả hai biến trong vòng lặp FOR, như vậy:

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Từ điển

Ngoài danh sách và bộ dữ liệu, từ điển là một loại dữ liệu Python phổ biến khác mà bạn có thể gặp phải khi làm việc với dữ liệu và đối với các vòng lặp cũng có thể lặp qua từ điển.

Từ điển Python bao gồm các cặp giá trị khóa, vì vậy trong mỗi vòng lặp, có hai yếu tố chúng ta cần truy cập (khóa và giá trị). Thay vì sử dụng

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Ví dụ, hãy tưởng tượng chúng ta có một từ điển gọi là

AAPL : 187.31
MSFT : 124.06
FB : 183.5

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

AAPL : 187.31
MSFT : 124.06
FB : 183.5

Lưu ý rằng khóa tên và giá trị là hoàn toàn tùy ý; Chúng tôi cũng có thể dán nhãn chúng là K và V hoặc X và Y.

Dây

Như đã đề cập trong hướng dẫn giới thiệu, cho các vòng lặp cũng có thể lặp qua từng ký tự trong một chuỗi. Như một đánh giá nhanh, ở đây, cách thức hoạt động của nó:

print("data science")  
for c in "data science":
    print(c)

data science
d
a
t
a

s
c
i
e
n
c
e

Mảng numpy

Bây giờ, hãy để Lừa xem cách sử dụng các vòng lặp với các gói khoa học dữ liệu Python phổ biến và các loại dữ liệu của chúng.

Chúng tôi sẽ bắt đầu bằng cách xem xét cách sử dụng cho các vòng lặp với các mảng

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

import numpy as np
np.random.seed(0)  # seed for reproducibility
x = np.random.randint(10, size=6)
y = np.random.randint(10, size=6)

Lặp đi lặp lại trên một mảng numpy một chiều rất giống với việc lặp lại trong danh sách:

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

Bây giờ, điều gì sẽ xảy ra nếu chúng ta muốn lặp lại thông qua một mảng hai chiều? Nếu chúng ta sử dụng cùng một cú pháp để lặp lại một mảng hai chiều như chúng ta đã làm ở trên, chúng ta chỉ có thể lặp lại toàn bộ các mảng trên mỗi lần lặp.

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

Một mảng hai chiều được xây dựng từ một cặp mảng một chiều. Để truy cập mọi yếu tố thay vì mọi mảng, chúng ta có thể sử dụng hàm numpy

AAPL : 187.31
MSFT : 124.06
FB : 183.5

Trong mã bên dưới, chúng tôi sẽ viết một vòng lặp cho lặp qua từng phần tử bằng cách vượt qua

AAPL : 187.31
MSFT : 124.06
FB : 183.5

AAPL : 187.31
MSFT : 124.06
FB : 183.5

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

Như chúng ta có thể thấy, điều này đầu tiên liệt kê tất cả các yếu tố trong X, sau đó tất cả các yếu tố của y.

Nhớ lại! Khi lặp qua các cấu trúc dữ liệu khác nhau này, từ điển yêu cầu một phương thức, các mảng numpy yêu cầu một hàm.method, numpy arrays require a function.

GANDAS DATAFRAME

Khi chúng tôi làm việc với dữ liệu trong Python, chúng tôi thường sử dụng các khung dữ liệu

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Hãy để thực hành thực hiện việc này trong khi làm việc với một tệp CSV nhỏ ghi lại GDP, Capital City và dân số cho sáu quốc gia khác nhau. Chúng tôi sẽ đọc điều này vào một bản dữ liệu gấu trúc bên dưới.

Pandas hoạt động hơi khác so với Numpy, vì vậy chúng tôi đã giành chiến thắng có thể đơn giản là lặp lại quá trình numpy mà chúng tôi đã học được. Nếu chúng ta cố gắng lặp lại một khung dữ liệu gấu trúc như chúng ta sẽ có một mảng numpy, điều này sẽ chỉ in ra tên cột:

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

Thay vào đó, chúng ta cần đề cập rõ ràng rằng chúng ta muốn lặp lại trên các hàng của DataFrame. Chúng tôi thực hiện điều này bằng cách gọi phương thức

AAPL : 187.31
MSFT : 124.06
FB : 183.5

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

x = (10,20,30,40,50)
for var in x:
    print("index "+ str(x.index(var)) + ":",var)

Chúng ta cũng có thể truy cập các giá trị cụ thể từ một loạt gấu trúc. Giả sử chúng ta chỉ muốn in ra thủ đô của mỗi quốc gia. Chúng tôi có thể chỉ định rằng chúng tôi chỉ muốn đầu ra từ cột Capital Capital như vậy:

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

Để đưa mọi thứ đi xa hơn các bản in đơn giản, hãy để thêm một cột bằng cách sử dụng một vòng lặp. Hãy để thêm một cột GDP bình quân đầu người. Hãy nhớ rằng

AAPL : 187.31
MSFT : 124.06
FB : 183.5

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

Đối với mỗi hàng trong DataFrame của chúng tôi, chúng tôi đang tạo một nhãn mới và đặt dữ liệu hàng bằng tổng GDP chia cho dân số quốc gia và nhân với 1T đô la cho hàng ngàn đô la.

Hàm stocks = { 'AAPL': 187.31, 'MSFT': 124.06, 'FB': 183.50 } for key, value in stocks.items() : print(key + " : " + str(value)) 4

Chúng tôi đã thấy cách chúng tôi có thể sử dụng cho các vòng lặp để lặp lại bất kỳ trình tự hoặc cấu trúc dữ liệu nào. Nhưng điều gì sẽ xảy ra nếu chúng ta muốn lặp lại các chuỗi này theo một thứ tự cụ thể, hoặc trong một số lần cụ thể?

Điều này có thể được thực hiện với chức năng

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Có ba cách chúng ta có thể gọi

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

1. range(stop)
2. Phạm vi (bắt đầu, dừng lại)
3. Phạm vi (Bắt đầu, Dừng, Bước)

print("data science")  
for c in "data science":
    print(c)

3

Phạm vi (Dừng) lấy một đối số, được sử dụng khi chúng tôi muốn lặp lại một loạt các số bắt đầu từ 0 và bao gồm mọi số lên đến, nhưng không bao gồm, số chúng tôi đặt làm điểm dừng.

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

print("data science")  
for c in "data science":
    print(c)

4

Phạm vi (bắt đầu, dừng) có hai đối số, trong đó chúng ta không chỉ có thể đặt phần cuối của loạt mà còn bắt đầu. Bạn có thể sử dụng phạm vi () để tạo một loạt các số từ A đến B bằng cách sử dụng phạm vi (A, B).

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

print("data science")  
for c in "data science":
    print(c)

5

Phạm vi (bắt đầu, dừng, bước) có ba đối số. Ngoài các giá trị tối thiểu và tối đa, chúng ta có thể đặt sự khác biệt giữa một số trong chuỗi và tiếp theo. Giá trị bước mặc định là 1 nếu không được cung cấp.

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

index 0: 10
index 1: 20
index 2: 30
index 3: 40
index 4: 50

Lưu ý rằng điều này hoạt động giống nhau cho các chuỗi phi hình số.

Chúng ta cũng có thể sử dụng chỉ số của các phần tử theo trình tự để lặp lại. Ý tưởng chính là trước tiên để tính độ dài của danh sách và sau đó lặp lại theo trình tự trong phạm vi của độ dài này. Hãy cùng xem một ví dụ:

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

Trong vòng lặp của chúng tôi ở trên, chúng tôi đang xem xét một chỉ mục và ngôn ngữ biến đổi, từ khóa và hàm

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

print("data science")  
for c in "data science":
    print(c)

Đối với mỗi lần lặp, chúng tôi đang thực hiện câu lệnh in của chúng tôi. Vì vậy, đối với mọi chỉ mục trong phạm vi LEN (Ngôn ngữ), chúng tôi muốn in một ngôn ngữ. Bởi vì độ dài của chuỗi ngôn ngữ của chúng tôi là 6 (đó là giá trị mà

print("data science")  
for c in "data science":
    print(c)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

Vẽ với các vòng lặp

Giả sử chúng ta muốn lặp lại thông qua một bộ sưu tập và sử dụng từng phần tử để tạo ra một subplot hoặc thậm chí cho mỗi dấu vết trong một ô duy nhất. Ví dụ, hãy để Lừa lấy bộ dữ liệu IRIS phổ biến (tìm hiểu thêm về dữ liệu này) và thực hiện một số âm mưu cho các vòng lặp. Xem xét biểu đồ dưới đây.

.

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

Ở trên, chúng tôi đã vẽ từng vẽ từng chiều dài so với chiều rộng sepal, nhưng chúng tôi có thể cung cấp cho biểu đồ nhiều ý nghĩa hơn bằng cách tô màu trong mỗi điểm dữ liệu bởi mỗi lớp loài hoa. Một cách để làm điều này là bằng cách tự mình phân tán từng điểm bằng cách sử dụng một vòng lặp và chuyển sang màu tương ứng.

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

Điều gì sẽ xảy ra nếu chúng ta muốn trực quan hóa phân phối đơn biến của một số tính năng nhất định của bộ dữ liệu IRIS của chúng ta? Chúng ta có thể làm điều này với

print("data science")  
for c in "data science":
    print(c)

x = [(1,2), (3,4), (5,6)]

for a, b in x:
    print(a, "plus", b, "equals", a+b)

Hiện tại không cần lặn quá sâu vào cú pháp Matplotlib, bên dưới là một mô tả ngắn gọn về từng thành phần chính của biểu đồ của chúng tôi:

• plt.subplot ()-Được sử dụng để tạo lưới 2 x 2 của chúng tôi và đặt kích thước tổng thể.
• ZIP ()-Đây là một hàm Python tích hợp làm cho nó siêu đơn giản để lặp qua nhiều vòng lặp có cùng độ dài theo đồng thời.
• Axes.flatten (), trong đó Flatten () là phương thức mảng numpy - điều này trả về một phiên bản phẳng của các mảng (cột) của chúng tôi.
• AX.SET () - Cho phép chúng tôi đặt tất cả các thuộc tính của đối tượng

  data science
  d
  a
  t
  a
  
  s
  c
  i
  e
  n
  c
  e
  

  0 của chúng tôi bằng một phương thức duy nhất.

Hoạt động bổ sung

Vòng lồng nhau

Python cho phép chúng tôi sử dụng một vòng lặp bên trong một vòng lặp khác. Điều này liên quan đến một vòng lặp bên ngoài có, bên trong các lệnh của nó, một vòng bên trong.

Xem xét cấu trúc sau:

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Lồng nhau cho các vòng lặp có thể hữu ích cho việc lặp lại thông qua các mục trong danh sách bao gồm các danh sách. Trong một danh sách bao gồm các danh sách, nếu chúng tôi chỉ sử dụng một cho vòng lặp, chương trình sẽ xuất mỗi danh sách nội bộ dưới dạng một mục:

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Để truy cập từng mục riêng lẻ của danh sách nội bộ, chúng tôi xác định một vòng lặp lồng nhau:

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Trên đây, vòng lặp bên ngoài là lặp qua danh sách chính (trong đó chứa hai danh sách trong ví dụ này) và bên trong cho vòng lặp đang lặp qua các danh sách riêng lẻ. Vòng lặp bên ngoài thực thi 2 lần lặp (đối với mỗi danh sách phụ) và tại mỗi lần lặp, chúng tôi thực hiện vòng lặp bên trong của chúng tôi, in tất cả các yếu tố của danh sách phụ tương ứng.

Điều này cho chúng ta biết rằng điều khiển di chuyển từ vòng ngoài cùng, đi qua vòng bên trong và sau đó quay lại bên ngoài cho vòng lặp, tiếp tục cho đến khi điều khiển bao phủ toàn bộ phạm vi, trong trường hợp này gấp 2 lần.

Tiếp tục và phá vỡ các vòng lặp

Các câu lệnh điều khiển vòng thay đổi thực hiện một vòng lặp cho chuỗi thông thường của nó.

Điều gì sẽ xảy ra nếu chúng ta muốn lọc ra một ngôn ngữ cụ thể trong vòng lặp bên trong của chúng ta? Chúng ta có thể sử dụng một câu lệnh tiếp tục để làm điều này, cho phép chúng ta bỏ qua một phần cụ thể của vòng lặp khi một điều kiện bên ngoài được kích hoạt.

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Trong vòng lặp của chúng tôi ở trên, trong vòng lặp bên trong, nếu tiếng languge bằng với tiếng Đức, chúng tôi chỉ bỏ qua việc lặp lại và tiếp tục với phần còn lại của vòng lặp. Vòng lặp không bị chấm dứt.

Hãy cùng nhìn vào một ví dụ bằng số dưới đây:

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

Vì vậy, ở đây, chúng tôi đã xác định một vòng lặp lặp đi lặp lại trên tất cả các số từ 0 đến 9 và bình phương mỗi số. Trong vòng lặp của chúng tôi, tại mỗi lần lặp, chúng tôi đang kiểm tra xem số có chia hết cho 2 hay không, tại thời điểm đó, vòng lặp sẽ tiếp tục thực thi, bỏ qua lần lặp khi tôi đánh giá đến một số chẵn.

Còn một tuyên bố phá vỡ thì sao? Điều này cho phép chúng tôi thoát hoàn toàn một vòng lặp khi một điều kiện bên ngoài được đáp ứng. Hãy cùng xem một minh chứng đơn giản về cách thức hoạt động bằng cách sử dụng ví dụ tương tự như trên:

1 plus 2 equals 3
3 plus 4 equals 7
5 plus 6 equals 11

stocks = {
        'AAPL': 187.31,
        'MSFT': 124.06,
        'FB': 183.50
    }

for key, value in stocks.items() :
    print(key + " : " + str(value))

Trong ví dụ trên, câu lệnh IF của chúng tôi trình bày điều kiện rằng nếu biến của chúng tôi tôi đánh giá thành 7, vòng lặp của chúng tôi sẽ bị hỏng, do đó, vòng lặp của chúng tôi lặp lại trên các số nguyên từ 0 đến 6 trước khi bỏ hoàn toàn vòng lặp.

Tìm kiếm thêm? Dưới đây là một số tài nguyên bổ sung có thể hữu ích:

• Hướng dẫn Python-Danh sách các hướng dẫn Python ngày càng mở rộng của chúng tôi về khoa học dữ liệu.
• Các khóa học khoa học dữ liệu - Đưa nghiên cứu của bạn lên một tầm cao mới với các khóa học lập trình, khoa học dữ liệu và thống kê tương tác đầy đủ, ngay trong trình duyệt của bạn.

Sự kết luận

Trong hướng dẫn này, chúng tôi đã tìm hiểu về một số ứng dụng tiên tiến hơn về các vòng lặp và cách chúng có thể được sử dụng trong các quy trình công việc khoa học dữ liệu Python điển hình.

Chúng tôi đã học được cách lặp lại các loại cấu trúc dữ liệu khác nhau và cách sử dụng các vòng lặp với các khung gầm gấu và matplotlib để tạo ra nhiều dấu vết hoặc cốt truyện phụ theo chương trình.

Cuối cùng, chúng tôi đã xem xét một số kỹ thuật nâng cao hơn giúp chúng tôi kiểm soát nhiều hơn đối với hoạt động và thực hiện các vòng lặp của chúng tôi.

Nếu bạn muốn tìm hiểu thêm về chủ đề này, hãy xem DataQuest, nhà khoa học dữ liệu trong Python Path sẽ giúp bạn sẵn sàng làm việc trong khoảng 6 tháng.

Hướng dẫn này có giúp ích gì không?

Chọn con đường của bạn để tiếp tục học các kỹ năng dữ liệu có giá trị.

Hướng dẫn Python

Thực hành các kỹ năng lập trình Python của bạn khi bạn làm việc thông qua các hướng dẫn miễn phí của chúng tôi.

Các khóa học khoa học dữ liệu

Cam kết nghiên cứu của bạn với các khóa học khoa học dữ liệu trong trình duyệt tương tác của chúng tôi ở Python, R, SQL, v.v.