Làm thế nào để bạn nhóm các giá trị tương tự trong một danh sách trong python?

Hướng dẫn này chỉ cho bạn cách nhóm các danh sách bên trong của danh sách danh sách Python theo phần tử chung. Có ba phương pháp cơ bản

Nội dung chính Show

Phương pháp 1. Nhóm danh sách các danh sách theo yếu tố phổ biến trong từ điển
Phương pháp 2. Nhóm danh sách các danh sách theo phần tử chung và tổng hợp các phần tử được nhóm
Phương pháp 3. Nhóm gấu trúcBy
Đi đâu từ đây?

Nhóm các danh sách bên trong lại với nhau theo phần tử chung
Nhóm các danh sách bên trong lại với nhau theo phần tử chung VÀ tổng hợp chúng (e. g. tính trung bình)
Nhóm các danh sách bên trong lại với nhau theo phần tử chung VÀ tổng hợp chúng (e. g. tính trung bình) bằng thư viện bên ngoài Pandas

Trước khi chúng tôi khám phá ba tùy chọn này chi tiết hơn, trước tiên hãy cung cấp cho bạn giải pháp nhanh bằng cách sử dụng thư viện Pandas trong trình bao tương tác của chúng tôi

Bạn có thể chạy mã này trong trình duyệt của mình. Nếu bạn muốn tìm hiểu về các giải pháp thay thế Pythonic hoặc bạn cần thêm một số giải thích, hãy đọc tiếp

Phương pháp 1. Nhóm danh sách các danh sách theo yếu tố phổ biến trong từ điển

Vấn đề. Đưa ra một danh sách các danh sách. Nhóm các phần tử theo phần tử chung và lưu kết quả vào từ điển (key = phần tử chung)

Thí dụ. Giả sử, bạn có một cơ sở dữ liệu có nhiều hàng (danh sách các danh sách) trong đó mỗi hàng bao gồm ba thuộc tính. Tên, Tuổi và Thu nhập. Bạn muốn nhóm theo Tên và lưu trữ kết quả trong từ điển. Các khóa từ điển được cung cấp bởi thuộc tính Tên. Các giá trị từ điển là danh sách các hàng có thuộc tính Tên chính xác này

Dung dịch. Đây là dữ liệu và cách bạn có thể nhóm theo một thuộc tính chung (e. g. , Tên)

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

Bạn có thể thấy rằng kết quả là một từ điển với một khóa cho mỗi tên (

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

6 và

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

7). Alice xuất hiện trong hai hàng của cơ sở dữ liệu gốc (danh sách các danh sách). Do đó, bạn liên kết hai hàng với tên của cô ấy—chỉ duy trì các thuộc tính Tuổi và Thu nhập trên mỗi hàng

Chiến lược làm thế nào bạn thực hiện điều này là đơn giản

Tạo từ điển trống
Đi qua từng hàng trong danh sách danh sách. Giá trị đầu tiên của danh sách hàng là thuộc tính Tên

Thêm thuộc tính Tên

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

8 vào từ điển nếu nó chưa tồn tại—đang khởi tạo từ điển vào danh sách trống. Bây giờ, bạn có thể chắc chắn rằng khóa tồn tại trong từ điển

Nối lát cắt danh sách phụ

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

9 vào giá trị từ điển để giá trị này cũng trở thành danh sách các danh sách—một danh sách trên mỗi hàng cơ sở dữ liệu

Bây giờ bạn đã nhóm tất cả các mục cơ sở dữ liệu theo một thuộc tính chung (=Tên)

Càng xa càng tốt. Nhưng nếu bạn muốn thực hiện một số tổng hợp trên các hàng cơ sở dữ liệu được nhóm thì sao?

Phương pháp 2. Nhóm danh sách các danh sách theo phần tử chung và tổng hợp các phần tử được nhóm

Vấn đề. Trong ví dụ trước, bạn đã thấy rằng mỗi giá trị từ điển là một danh sách các danh sách vì bạn lưu trữ mỗi hàng dưới dạng một danh sách riêng biệt. Nhưng nếu bạn muốn tổng hợp tất cả các hàng được nhóm thì sao?

Thí dụ. Mục từ điển cho khóa

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

5 có thể là

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

1 nhưng bạn muốn tính trung bình giá trị tuổi và thu nhập.

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

0. Làm thế nào để bạn làm điều đó?

Dung dịch. Giải pháp đơn giản là thêm một bước hậu xử lý sau đoạn mã trên để tổng hợp tất cả các thuộc tính bằng cách sử dụng hàm

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

1 như sau. Lưu ý rằng đây là mã chính xác như trước (không có tổng hợp) với ba dòng được thêm vào cuối để tổng hợp danh sách các danh sách cho mỗi Tên được nhóm thành một giá trị trung bình duy nhất

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

Trong mã, bạn sử dụng hàm tổng hợp

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

2 để tính giá trị trung bình cho từng thuộc tính của các hàng được nhóm. Nhưng bạn có thể thay thế phần này bằng hàm tổng hợp của riêng bạn, chẳng hạn như trung bình, phương sai, độ dài, tối thiểu, tối đa, v.v.

Giải trình

Bạn xem qua từng khóa trong từ điển (thuộc tính Tên) và tổng hợp danh sách các danh sách thành một danh sách phẳng gồm các thuộc tính trung bình

Bạn nén các thuộc tính lại với nhau. Ví dụ:

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

3 trở thành

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

4 (về mặt khái niệm)

Bạn lặp lại từng danh sách

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

5 của danh sách danh sách này trong câu lệnh hiểu danh sách

Bạn tổng hợp các thuộc tính được nhóm bằng chức năng tùy chỉnh của riêng bạn (e. g.

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

2 để lấy trung bình các giá trị thuộc tính)

Xem điều gì xảy ra trong đoạn mã này trong công cụ trực quan hóa bộ nhớ tương tác này (bằng cách nhấp vào “Tiếp theo”)

Phương pháp 3. Nhóm gấu trúcBy

Thư viện Pandas có triển khai chức năng groupby() mạnh mẽ của riêng nó. Hãy nhìn vào mã đầu tiên

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


import pandas as pd
df = pd.DataFrame(rows)

print(df)
'''
       0   1       2
0  Alice  19   45000
1    Bob  18   22000
2    Ann  26   88000
3  Alice  33  118000
'''

print(df.groupby([0]).mean())
'''
        1      2
0               
Alice  26  81500
Ann    26  88000
Bob    18  22000
'''

Giải trình

Nhập thư viện gấu trúc. Tìm bảng gian lận bồi dưỡng nhanh của bạn ở đây
Tạo một đối tượng DataFrame từ các hàng—hãy coi nó như một bảng tính Excel trong mã của bạn (với các hàng và cột được đánh số)

Gọi hàm

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

7 trên DataFrame của bạn. Sử dụng chỉ mục cột

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

8 (là thuộc tính Tên) để nhóm dữ liệu của bạn. Điều này tạo ra một đối tượng

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

Trên đối tượng

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


# Create a dictionary grouped by Name
d = {}
for row in rows:

    # Add name to dict if not exists
    if row[0] not in d:
        d[row[0]] = []

    # Add all non-Name attributes as a new list
    d[row[0]].append(row[1:])

print(d)
# {'Alice': [[19, 45000], [33, 118000]],
#  'Bob': [[18, 22000]],
#  'Ann': [[26, 88000]]}

# AGGREGATION FUNCTION:
for key in d:
    d[key] = [sum(x) / len(x) for x in zip(*d[key])]

print(d)
# {'Alice': [26.0, 81500.0], 'Bob': [18.0, 22000.0], 'Ann': [26.0, 88000.0]}

9, hãy gọi hàm

# Database:
# row = [Name, Age, Income]
rows = [['Alice', 19, 45000],
        ['Bob', 18, 22000],
        ['Ann', 26, 88000],
        ['Alice', 33, 118000]]


import pandas as pd
df = pd.DataFrame(rows)

print(df)
'''
       0   1       2
0  Alice  19   45000
1    Bob  18   22000
2    Ann  26   88000
3  Alice  33  118000
'''

print(df.groupby([0]).mean())
'''
        1      2
0               
Alice  26  81500
Ann    26  88000
Bob    18  22000
'''

1 hoặc bất kỳ hàm tổng hợp nào khác mà bạn muốn

Kết quả là "bảng tính" với các thuộc tính Tên được nhóm trong đó nhiều hàng có cùng thuộc tính Tên được tính trung bình (theo yếu tố)

Đi đâu từ đây?

Đủ lý thuyết. Hãy thực hành một số

Các lập trình viên được trả sáu con số trở lên vì họ có thể giải quyết vấn đề hiệu quả hơn bằng cách sử dụng trí thông minh máy móc và tự động hóa

Để trở nên thành công hơn trong việc viết mã, hãy giải quyết nhiều vấn đề thực tế hơn cho người thực. Đó là cách bạn trau dồi những kỹ năng bạn thực sự cần trong thực tế. Rốt cuộc, việc sử dụng lý thuyết học tập mà không ai cần là gì?

Bạn xây dựng các kỹ năng mã hóa có giá trị cao bằng cách làm việc trên các dự án mã hóa thực tế

Bạn có muốn ngừng học với các dự án đồ chơi và tập trung vào các dự án mã thực tế giúp bạn kiếm tiền và giải quyết các vấn đề thực sự cho mọi người không?

🚀 Nếu câu trả lời của bạn là CÓ. , cân nhắc trở thành nhà phát triển Python tự do. Đó là cách tốt nhất để tiếp cận nhiệm vụ cải thiện kỹ năng Python của bạn—ngay cả khi bạn là người mới hoàn toàn

Nếu bạn chỉ muốn tìm hiểu về cơ hội làm việc tự do, vui lòng xem hội thảo trên web miễn phí của tôi “Cách xây dựng kỹ năng Python có thu nhập cao của bạn” và tìm hiểu cách tôi phát triển công việc viết mã của mình trực tuyến cũng như cách bạn có thể làm được—từ sự thoải mái của bạn

Tham gia hội thảo trên web miễn phí ngay bây giờ

Chris

Trong khi làm việc với tư cách là một nhà nghiên cứu trong các hệ thống phân tán, Dr. Christian Mayer tìm thấy tình yêu của mình với việc dạy sinh viên khoa học máy tính

Để giúp sinh viên đạt được mức độ thành công Python cao hơn, anh ấy đã thành lập trang web giáo dục lập trình Finxter. com. Ông là tác giả của cuốn sách lập trình nổi tiếng Python One-Liners (NoStarch 2020), đồng tác giả của loạt sách tự xuất bản Coffee Break Python, người đam mê khoa học máy tính, cộng tác viên tự do và chủ sở hữu của một trong 10 blog Python lớn nhất thế giới

Niềm đam mê của anh ấy là viết, đọc và mã hóa. Nhưng niềm đam mê lớn nhất của anh ấy là phục vụ các lập trình viên đầy tham vọng thông qua Finxter và giúp họ nâng cao kỹ năng của mình. Bạn có thể tham gia học viện email miễn phí của anh ấy tại đây