Hilfreiche Ressourcen und Tipps
Als Lernender können Sie in diesem Programm einen oder mehrere Kurse absolvieren. Um das Zertifikat zu erhalten, müssen Sie jedoch alle Kurse des Programms absolvieren. In dieser Lektüre wird beschrieben, was erforderlich ist, um ein Zertifikat zu erhalten, und Best Practices für eine gute Lernerfahrung auf Coursera.
Erwerben Sie das Google Advanced Data Analytics-Zertifikat
Um Ihr offizielles Google Advanced Data Analytics-Zertifikat zu erhalten, müssen Sie:
Bestehen Sie alle benoteten Aufgaben in allen 7 Kursen des Zertifikatsprogramms. Jede benotete Aufgabe ist Teil einer kumulativen benoteten Punktzahl für den Kurs, und die Bestehensnote für jeden Kurs beträgt 80 %.
UND eines der folgenden:
Zahlen Sie dieKurszertifikatgebühr,
Seien Sie zugelassen fürCoursera-Finanzhilfe, oder
Füllen Sie das Zertifikat über eine Bildungseinrichtung, einen Arbeitgeber oder eine Agentur aus, die Ihre Teilnahme sponsert.
Gesunde Gewohnheiten für den Kursabschluss
Hier finden Sie eine Liste mit Best Practices, die Ihnen dabei helfen, die Kurse des Programms rechtzeitig abzuschließen:
Planen Sie Ihre Zeit: Wenn Sie regelmäßige Lernzeiten festlegen und diese jede Woche einhalten, können Sie das Lernen zu einem Teil Ihrer Routine machen. Verwenden Sie einen Kalender oder Zeitplan, um einen Zeitplan zu erstellen, und listen Sie auf, was Sie jeden Tag tun möchten, um erreichbare Ziele festzulegen. Suchen Sie sich einen Raum, in dem Sie sich konzentrieren können, wenn Sie sich die Videos ansehen, die Messwerte noch einmal durchgehen und die Aktivitäten abschließen.
Arbeiten Sie in Ihrem eigenen Tempo: Jeder lernt anders. Deshalb wurde dieses Programm so konzipiert, dass Sie in Ihrem eigenen Tempo arbeiten können. Obwohl Ihre persönlichen Fristen mit der Einschreibung beginnen, können Sie das Programm gerne in der Geschwindigkeit absolvieren, die für Sie am besten geeignet ist. Für verspätete Zuweisungen gibt es keine Strafe; Um Ihr Zertifikat zu erhalten, müssen Sie lediglich alle Arbeiten abschließen. Sie können Ihre Fristen jederzeit verlängern, indem Sie im Navigationsbereich auf „Übersicht“ gehen und „Sitzungen wechseln“ auswählen . Wenn Sie bereits frühere Fristen verpasst haben, wählen Sie stattdessen „Meine Fristen zurücksetzen“ aus .
Seien Sie neugierig: Wenn Sie eine Idee finden, die Sie begeistert, handeln Sie danach! Stellen Sie Fragen, suchen Sie online nach weiteren Details, erkunden Sie die Links, die Sie interessieren, und machen Sie sich Notizen zu Ihren Entdeckungen. Die Schritte, die Sie unternehmen, um Ihr Lernen auf Ihrem Weg zu unterstützen, werden Ihr Wissen erweitern, mehr Möglichkeiten in diesem wachstumsstarken Bereich schaffen und Ihnen helfen, sich für einen Arbeitsplatz zu qualifizieren.
Machen Sie sich Notizen: Notizen helfen Ihnen, sich in Zukunft an wichtige Informationen zu erinnern, insbesondere wenn Sie sich auf den Eintritt in ein neues Berufsfeld vorbereiten. Darüber hinaus ist das Anfertigen von Notizen eine effektive Möglichkeit, Zusammenhänge zwischen Themen herzustellen und ein besseres Verständnis dieser Themen zu erlangen.
Prüfexemplare: Exemplare sind abgeschlossene Aufgaben, die die Kriterien einer Aktivität vollständig erfüllen. Für viele Aktivitäten in diesem Programm gibt es Beispiele, die Sie mit Ihrer eigenen Arbeit vergleichen können. Obwohl es oft viele Möglichkeiten gibt, eine Aufgabe zu erledigen, bieten Ihnen Beispiele Anleitung und Inspiration, wie Sie die Aktivität erledigen können.
Chatten Sie (verantwortlich) mit anderen Lernenden: Wenn Sie eine Frage haben, sind Sie wahrscheinlich nicht allein. Benutzen Sie dieDiskussionsforenandere Lernende, die an diesem Programm teilnehmen, um Hilfe zu bitten. Sie können auch Coursera’s besuchenGlobale Online-Community. Weitere wichtige Dinge, die Sie beim Lernen mit anderen wissen sollten, finden Sie imEhrenkodex der CourseraUndVerhaltenskodex.
Aktualisieren Sie Ihr Profil: Überlegen SieAktualisierung Ihres Profilsauf Coursera, um Ihr Foto, Ihre Karriereziele und mehr hinzuzufügen. Wenn andere Lernende Sie in den Diskussionsforen finden, können sie auf Ihren Namen klicken, um auf Ihr Profil zuzugreifen und Sie besser kennenzulernen.
Dokumente, Tabellenkalkulationen, Präsentationen und Labore für Kursaktivitäten
Um bestimmte Aktivitäten im Programm abzuschließen, müssen Sie digitale Dokumente, Tabellenkalkulationen, Präsentationen und/oder Labore verwenden. Datenanalytiker nutzen diese Softwareanwendungen für die Zusammenarbeit innerhalb ihrer Teams und Organisationen. Wenn Sie weitere Informationen zur Verwendung eines bestimmten Tools benötigen, lesen Sie diese Ressourcen:
Microsoft Word: Hilfe und Lernen: Microsoft-Supportseite für Word
Google Dokumente: Hilfeseite für Google Docs
Microsoft Excel: Hilfe und Lernen: Microsoft-Supportseite für Excel
Google Sheets: Hilfeseite für Google Sheets
Microsoft PowerPoint: Hilfe und Lernen: Microsoft-Supportseite für PowerPoint
So verwenden Sie Google Slides: Hilfeseite für Google Slides
Häufige Probleme mit Laboren: Hilfe zur Fehlerbehebung für Qwiklabs-Aktivitäten
Modul-, Kurs- und Zertifikatsglossare
Dieses Programm behandelt viele Begriffe und Konzepte, von denen Sie einige möglicherweise bereits kennen und andere möglicherweise nicht kennen. Um Begriffe zu überprüfen und sich auf benotete Tests vorzubereiten, lesen Sie die folgenden Glossare:
Modulglossare : Am Ende des Inhalts jedes Moduls können Sie ein Glossar mit Begriffen aus diesem Modul einsehen. Das Glossar jedes Moduls baut auf den Begriffen der vorherigen Module dieses Kurses auf. Die Modulglossare können nicht heruntergeladen werden; Alle Begriffe und Definitionen sind jedoch in den herunterladbaren Kurs- und Zertifikatsglossaren enthalten.
Kursglossare : Am Ende jedes Kurses können Sie auf ein Glossar zugreifen und es herunterladen, das alle Begriffe in diesem Kurs abdeckt.
Zertifikatsglossar : Das Zertifikatsglossar enthält alle Begriffe des gesamten Zertifikatsprogramms und ist eine hilfreiche Ressource, auf die Sie während des gesamten Programms oder jederzeit in der Zukunft zurückgreifen können.
Wenn Sie das Original fertiggestellt haben Google Data Analytics-Zertifikat Möglicherweise erkennen Sie Überschneidungen mit mehreren Glossarbegriffen in diesem Programm. Weitere Informationen finden Sie im Glossar zum Data Analytics-Zertifikat, das im verlinkt istRessourcenKlicken Sie auf die Registerkarte, um diese grundlegenden Begriffe und Konzepte zu überprüfen. Die Definitionen einiger Begriffe im Glossar zum Data Analytics-Zertifikat weichen von den Definitionen derselben Begriffe in diesem Programm ab, da das Advanced Data Analytics-Zertifikat auf den im vorherigen Programm gelehrten Konzepten aufbaut.
Kursfeedback
Es ist einfach, Feedback zu Videos, Lesungen und anderen Materialien zu geben. Wenn die Ressource in Ihrem Browser geöffnet ist, finden Sie die Daumen-hoch- und Daumen-runter-Symbole.
Klicken Sie auf „Daumen hoch“ , um Materialien anzuzeigen, die Sie hilfreich finden.
Klicken Sie auf die Daumen-nach-unten-Taste für Materialien, die Sie nicht hilfreich finden.
Wenn Sie ein bestimmtes Problem mit einem Artikel kennzeichnen möchten, klicken Sie auf das Flaggensymbol, wählen Sie eine Kategorie aus und geben Sie eine Erklärung in das Textfeld ein. Dieses Feedback geht an das Kursentwicklungsteam zurück und ist für andere Lernende nicht sichtbar. Das gesamte erhaltene Feedback trägt dazu bei, in Zukunft noch bessere Zertifikatsprogramme zu schaffen.
Für technische Hilfe besuchen Sie bitte dieHilfezentrum für Lernende.
Überblick über Kurs 2
Hallo und willkommen bei „ Get Started with Python“ , dem zweiten Kurs des Google Advanced Data Analytics-Zertifikats. Du befindest dich auf einer spannenden Reise!
Im Laufe dieses Kurses entwickeln Sie ein Verständnis für Python-Syntax, Logik, Datentypen, Objekte und objektorientierte Programmierung. Für viele Fachleute ist Python der Schlüssel zur Erschließung fortschrittlicher Analysen, maschinellem Lernen und der Welt der Datenwissenschaft. Am Ende dieses Kurses werden Sie besser verstehen, wie Datenwissenschaftler bei der Arbeit programmieren und wie Python während Ihrer gesamten Karriere als Datenanalytiker ein wichtiges Werkzeug sein wird.
Kursbeschreibung
Das Google Advanced Data Analytics-Zertifikat umfasst sieben Kurse. „Get Started with Python“ ist der zweite Kurs.
Grundlagen der Datenwissenschaft— Erfahren Sie , wie Datenexperten am Arbeitsplatz agieren und wie unterschiedliche Rollen im Bereich der Datenwissenschaft zur Zukunftsvision eines Unternehmens beitragen. Erkunden Sie dann die Rollen in der Datenwissenschaft, Kommunikationsfähigkeiten und Datenethik.
Beginnen Sie mit Python— (aktueller Kurs) Entdecken Sie, wie die Programmiersprache Python Ihre Datenanalyse unterstützen kann. Lernen Sie grundlegende Python-Konzepte wie Datentypen, Funktionen, bedingte Anweisungen, Schleifen und Datenstrukturen kennen.
Gehen Sie über die Zahlen hinaus: Verwandeln Sie Daten in Erkenntnisse— Lernen Sie die Grundlagen der Datenbereinigung und -visualisierung kennen und erfahren Sie, wie Sie die wichtigen Geschichten, die in Daten stecken, offenlegen.
Die Macht der Statistik— Entdecken Sie deskriptive und inferenzielle Statistiken, grundlegende Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen, Stichproben, Konfidenzintervalle und Hypothesentests.
Regressionsanalyse: Komplexe Datenbeziehungen vereinfachen— Lernen Sie, Variablenbeziehungen zu modellieren, wobei der Schwerpunkt auf linearer und logistischer Regression liegt.
Das A und O des maschinellen Lernens— Erlernen Sie unbeaufsichtigte Techniken des maschinellen Lernens und deren Anwendung auf Unternehmensdaten.
Schlussstein für Google Advanced Data Analytics— Absolvieren Sie ein praktisches Projekt, um die Fähigkeiten und Kompetenzen zu demonstrieren, die Sie im Programm erwerben.
Inhalt von Kurs 2
Jeder Kurs dieses Zertifikatsprogramms ist in Module unterteilt. Sie können die Kurse in Ihrem eigenen Tempo absolvieren, die Modulaufteilung soll Ihnen jedoch dabei helfen, das gesamte Google Advanced Data Analytics-Zertifikat in etwa sechs Monaten abzuschließen.
Was kommt? Hier finden Sie einen kurzen Überblick über die Fähigkeiten, die Sie in den einzelnen Modulen dieses Kurses erlernen.
Modul 1: Hallo, Python!
Zunächst lernen Sie die Grundlagen der Python-Programmierung kennen und erfahren, warum Python ein so leistungsstarkes Werkzeug für die Datenanalyse ist. Sie lernen Jupyter Notebooks kennen, eine interaktive Umgebung für Codierung und Datenarbeit. Sie untersuchen, wie Sie Variablen und Datentypen zum Speichern und Organisieren Ihrer Daten verwenden. Außerdem üben Sie einige wichtige Programmierfähigkeiten.
Modul 2: Funktionen und bedingte Anweisungen
Als Nächstes erfahren Sie, wie Sie Funktionen aufrufen, um nützliche Aktionen für Ihre Daten durchzuführen. Sie erfahren außerdem, wie Sie bedingte Anweisungen schreiben, um dem Computer mitzuteilen, wie er auf der Grundlage Ihrer Anweisungen Entscheidungen treffen soll. Und Sie üben, sauberen Code zu schreiben, der von anderen Datenexperten leicht verstanden und wiederverwendet werden kann.
Modul 3: Schleifen und Strings
Anschließend erfahren Sie, wie Sie iterative Anweisungen oder Schleifen verwenden, um sich wiederholende Aufgaben zu automatisieren. Sie erfahren außerdem, wie Sie Zeichenfolgen mithilfe von Slicing, Indizierung und Formatierung bearbeiten.
Modul 4: Datenstrukturen in Python
Anschließend erkunden Sie grundlegende Datenstrukturen wie Listen, Tupel, Wörterbücher, Mengen und Arrays. Abschließend lernen Sie zwei der am häufigsten verwendeten und wichtigsten Python-Tools für die erweiterte Datenanalyse kennen: NumPy und Pandas.
Modul 5: Abschlussprojekt von Kurs 2
Am Ende dieses Kurses setzen Sie alles, was Sie bisher über Python gelernt haben, in einem Abschlussprojekt in die Praxis um. Sie wählen ein Geschäftsproblem aus einer Liste von Optionen aus und verwenden die angegebenen Daten, um das Problem zu lösen. Dieses Projekt ist eine Gelegenheit, Ihre Fähigkeiten unter Beweis zu stellen und ein professionelles Portfolio aufzubauen, mit dem Sie Ihre Arbeit potenziellen Arbeitgebern präsentieren können.
Was zu erwarten ist
Jeder Kurs bietet viele Arten von Lernmöglichkeiten:
Von Google-Lehrern geleitete Videos vermitteln neue Konzepte, führen in die Verwendung relevanter Tools ein, bieten Karriereunterstützung und liefern inspirierende persönliche Geschichten.
Die Lesungen bauen auf den in den Videos behandelten Themen auf, stellen verwandte Konzepte vor, teilen nützliche Ressourcen und beschreiben Fallstudien.
Diskussionsaufforderungen erläutern Kursthemen zum besseren Verständnis und ermöglichen es Ihnen, mit anderen Lernenden im zu chatten und Ideen auszutauschenDiskussionsforen.
Durch Selbstüberprüfungsaktivitäten und Labore können Sie die Anwendung der erlernten Fertigkeiten praktisch üben und Ihre eigene Arbeit durch den Vergleich mit einem abgeschlossenen Beispiel bewerten.
In-Video-Tests helfen Ihnen, Ihr Verständnis zu überprüfen, während Sie jedes Video durchgehen.
Mit Übungsquiz können Sie Ihr Verständnis wichtiger Konzepte überprüfen und wertvolles Feedback geben.
Benotete Tests zeigen Ihr Verständnis der Hauptkonzepte eines Kurses. Um ein Zertifikat zu erhalten, müssen Sie in jedem benoteten Quiz mindestens 80 % erreichen. Sie können ein benotetes Quiz auch mehrmals absolvieren, um eine bestandene Punktzahl zu erreichen.
Tipps für den Erfolg
Es wird dringend empfohlen, die Elemente in jeder Lektion in der Reihenfolge durchzugehen, in der sie erscheinen, da neue Informationen und Konzepte auf Vorkenntnissen aufbauen.
Nehmen Sie an allen Lernmöglichkeiten teil, um so viel Wissen und Erfahrung wie möglich zu sammeln.
Wenn etwas verwirrend ist, zögern Sie nicht, ein Video noch einmal abzuspielen, eine Lektüre zu wiederholen oder eine Selbstüberprüfungsaktivität zu wiederholen.
Nutzen Sie die zusätzlichen Ressourcen, auf die in diesem Kurs verwiesen wird. Sie sollen Ihr Lernen unterstützen. Alle diese Ressourcen finden Sie imRessourcenTab.
Wenn Sie in diesem Kurs auf nützliche Links stoßen, setzen Sie ein Lesezeichen darauf, damit Sie später auf die Informationen zurückgreifen können, um sie zu studieren oder zu überprüfen.
Verstehen und befolgen Sie dieCoursera-Verhaltenskodexum sicherzustellen, dass die Lerngemeinschaft für alle Mitglieder ein einladender, freundlicher und unterstützender Ort bleibt.
Python im Vergleich zu anderen Programmiersprachen
Python ist eine der beliebtesten Programmiersprachen für Datenprofis und daher eine großartige Ergänzung Ihrer Datenanalyse-Toolbox! Wie wir bereits untersucht haben, spiegelt die Verwendung der Syntax in Python zur Kommunikation von Befehlen und zur Ausführung von Aufgaben die gesprochene Sprache wider. Dies macht Python zu einer viel einfacher zu erlernenden Programmiersprache. Die Struktur von Python ähnelt der Struktur vieler anderer Programmiersprachen, es sind jedoch auch einige wichtige Unterschiede zu berücksichtigen.
In dieser Lektüre erfahren Sie, wie Python im Vergleich zu anderen von Datenexperten verwendeten Programmiersprachen abschneidet, darunter R, Java und C++.
Fünf Überlegungen zu Programmiersprachen
Python ist nicht die einzige Programmiersprache, die für die Datenanalyse verwendet wird, aber sie ist eine der am weitesten verbreiteten und leistungsstärksten. Viele Datenprofis verwenden sogar mehr als eine Programmiersprache. Jede Sprache hat Vor- und Nachteile. Untersuchen Sie für die Zwecke dieses Kurses die folgenden Überlegungen: Geschwindigkeit, Zugänglichkeit, Variablen, datenwissenschaftlicher Fokus und Programmierparadigma.
Geschwindigkeit
Es gibt viele Faktoren, die zur Geschwindigkeit der Programmausführung beitragen, darunter Kompilierungszeit, Laufzeit, Hardware, installierte Abhängigkeiten und die Effizienz des Codes selbst. Im Allgemeinen sind Low-Level-Programmiersprachen zwar schneller, aber auch schwieriger zu erlernen und zu bearbeiten.
Zugänglichkeit
Zugänglichkeit bezieht sich darauf, wie einfach es für neue Lernende ist, mit der Verwendung einer Sprache zu beginnen. Das Erlernen neuer Programmiersprachen kann je nach Syntax und Gesamtstruktur eine Herausforderung darstellen. Die Syntax ist die Struktur von Codewörtern, Symbolen, Platzierung und Zeichensetzung. Die Semantik verleiht diesen Strukturen Bedeutung, indem sie Variablen und Objekte verwendet. Darüber hinaus tragen diese Variablen dazu bei, den Programmen und Objekten, in denen Daten gespeichert sind, mehr Flexibilität zu verleihen.
Variablen
Informationen im Code werden in Variablen gespeichert. Eine Variable ist ein benannter Container, der Werte an einem reservierten Ort im Speicher des Computers speichert. Die Art und Weise, wie eine Programmiersprache Variablen verwendet, wirkt sich auf die Kernoperationen oder die Kernelgeschwindigkeit eines Systems aus. Einige Sprachen verwenden statische Variablen, um einen Wert während der gesamten Ausführung eines Programms beizubehalten. Andere betrachten Variablen als dynamisch und ermöglichen die Bestimmung von Werten, wenn ein Programm ausgeführt wird. Einige Sprachen erlauben sogar deklarative Variablen, die es einem Programm ermöglichen, zu bestimmen, wo eine Variable platziert werden soll.
Schwerpunkt Datenwissenschaft
Programmiersprachen haben individuelle Eigenschaften und können unterschiedliche Aufgaben bei der Datenanalyse besser erfüllen; Dies bedeutet, dass Programmierer sie häufig für bestimmte datenwissenschaftliche Aufgaben verwenden.
Programmierparadigma
Programmiersprachen können objektorientiert, funktional oder imperativ sein. Objektorientierte Programmiersprachen basieren auf Datenobjekten. Funktionale Programmiersprachen basieren auf Funktionen. Imperative Sprachen basieren auf Codeanweisungen, die den Status des Programms selbst ändern können.
Vergleiche von Programmiersprachen
Python, R, Java und C++ sind vier der am häufigsten verwendeten Programmiersprachen für die Datenanalyse. Die folgende Tabelle vergleicht sie anhand von fünf Überlegungen: Geschwindigkeit, Zugänglichkeit, Variable, datenwissenschaftlicher Fokus und Programmierparadigma.
Funktionen nach Software | Python | R | Java | C++ |
|---|---|---|---|---|
Geschwindigkeit | Langsamer | Hängt von der Konfiguration und den Add-ons ab | Schneller | Sehr schnell |
Zugänglichkeit | Leicht zu lernen | Komplex | Leicht zu lernen | Komplex |
Variable | Dynamisch | Dynamisch | Statisch | Deklarativ |
Schwerpunkt Datenwissenschaft | Maschinelles Lernen und automatisierte Analyse | Explorative Datenanalyse und Aufbau umfangreicher statistischer Bibliotheken | Wird projektübergreifend mit Open-Source-Assets verwendet | Nicht so weit verbreitet, aber sehr leistungsstarke Implementierungen |
Programmierparadigma | Objektorientierte | Funktionale Sprache | Objektorientierte | Multiparadigma (imperativ & objektorientiert) |
Die zentralen Thesen
Es gibt eine Reihe verschiedener Programmiersprachen, die für die Datenanalyse verwendet werden können. Jede Sprache hat ihre eigenen Vor- und Nachteile. Wenn Sie lernen, mit verschiedenen Sprachen zu arbeiten, haben Sie die Möglichkeit, Ihre Datenkenntnisse zu erweitern und auf neue Tools für Ihre Analyse zuzugreifen. In diesem Zertifikatsprogramm werden Sie sich jedoch ausschließlich auf Python konzentrieren. Wie bereits erwähnt, ist Python eine leicht zu erlernende, objektorientierte Programmiersprache, die dynamische Variablen einbezieht; Obwohl die Ausführung manchmal länger dauert, ist es ein großartiges Werkzeug für maschinelles Lernen und automatisierte Analysen.
Referenzhandbuch: Funktionen
Wie Sie bereits erfahren haben, handelt es sich bei Funktionen um Körper aus wiederverwendbarem Code zur Ausführung bestimmter Prozesse oder Aufgaben. Sie helfen Ihnen, mehr Arbeit mit weniger Code zu erledigen. Funktionsbeispiele sind:
Eine bestimmte Berechnung oder Messung, beispielsweise die Umrechnung von Fahrenheit in Celsius
Ein Inventardienstprogramm zum Iterieren von Mengen und Berechnen der Gesamtkosten der auf Lager befindlichen Waren
Erstellen eines DataFrame aus einer Reihe oder Wörterbuchdaten
Ein Anwendungsdienstprogramm wie eine Rechtschreibprüfung
In dieser Lektüre erfahren Sie, wie Sie Funktionen definieren, erstellen und aufrufen.
Funktionssyntax
Definieren Sie Funktionen mit der folgenden Syntax und dem folgenden Format:
Hinweis: Der folgende Codeblock ist nicht interaktiv.
Beginnen Sie mit dem Schlüsselwort def, gefolgt vom Namen der Funktion, setzen Sie dann ihre Parameter/Argumente in Klammern und enden Sie mit einem Doppelpunkt.
Die Python-Konvention besteht darin, für Funktionsnamen „snake_case“ (durch Unterstriche getrennte Kleinbuchstaben) zu verwenden.
Fügen Sie für wichtige Funktionen oder Funktionen, deren Zwecke oder Operationen nicht sehr offensichtlich sind, eine Dokumentzeichenfolge ein. Schreiben Sie die Dokumentzeichenfolge zwischen drei öffnende und schließende Anführungszeichen.
Die Dokumentzeichenfolge sollte in Form eines Befehls vorliegen (z. B. „Füge zwei Zahlen hinzu“ statt „Fügt zwei Zahlen hinzu“).
Der Dokumentstring sollte das Verhalten der Funktion zusammenfassen und ihre Argumente und Rückgabewerte erläutern.
Die Dokumentzeichenfolge sollte um vier Leerzeichen gegenüber der Definitionsanweisung eingerückt werden.
Schreiben Sie den Hauptteil der Funktion.
Der gesamte Code sollte mindestens vier Leerzeichen von der Definitionsanweisung entfernt eingerückt werden, es kann jedoch je nach Komplexität des Codes viele Einrückungsebenen geben.
Verwenden Sie abschließend eine Return-Anweisung, um einen Wert zurückzugeben, oder eine Print-Anweisung, um etwas auf der Konsole auszugeben und die Funktion abzuschließen. Diese Zeile sollte ebenfalls um vier Leerzeichen eingerückt werden.
Rückgabe vs. Drucken
Manchmal ist der Unterschied zwischen Return-Anweisungen und Print-Anweisungen für neue Python-Lernende nicht klar. Es ist wichtig zu verstehen, was jede Aktion ist und wann sie verwendet werden sollte. Rückgabeanweisungen liefern ein Ergebnis, das Sie für etwas anderes verwenden können. Es muss nicht unbedingt etwas sein, das gedruckt wird, wenn die Funktion ausgeführt wird. Print-Anweisungen geben etwas auf der Konsole aus und nichts weiter. Stellen Sie sich das so vor: Eine Rückgabeerklärung ist so, als würde Ihr Bruder auf den Markt gehen und Ihnen eine Tüte Kartoffeln mitbringen. Eine gedruckte Erklärung ist so, als würde Ihr Bruder auf den Markt gehen, nach Hause kommen und Ihnen sagen, welche Art von Kartoffeln es zu kaufen gibt. Mit der Rückgabeerklärung haben Sie einige Kartoffeln zum Kochen. Mit der Druckaussage wissen Sie nur, welche Kartoffeln verfügbar sind, haben aber keine Kartoffeln.
Funktionen vs. Methoden
Funktionen und Methoden sind sehr ähnlich, es gibt jedoch einige wesentliche Unterschiede. Methoden sind eine bestimmte Art von Funktion. Es handelt sich um Funktionen, die zu einer Klasse gehören. Das bedeutet, dass Sie sie mithilfe der Punktnotation verwenden oder „aufrufen“ können.
Methodenbeispiel:
Die Split-Methode ist eine Funktion, die zur String-Klasse gehört. Es teilt Zeichenfolgen in ihre Leerzeichen auf.
Eigenständige Funktionen gehören nicht zu einer bestimmten Klasse und können häufig für mehrere Klassen verwendet werden.
Hinweis: Der folgende Codeblock ist nicht interaktiv.
Funktionsbeispiel:
Sie können eine Bewertung abgebenPythons Liste der integrierten Funktionenund erforschen Sie, wie andere Menschen sie in der verwendenJupyter-Forum,Paketüberfluss, und andere Online-Communities.
Ressourcen für weitere Informationen
Weitere Informationen zu Funktionen finden Sie in PythonPräsenzbibliothek,Datentypen, Funktionen,Symbole
Docstring-Konventionen: PEP 257-Anleitung zum Schreiben von Dokumentzeichenfolgen
Referenzhandbuch: Python-Operatoren
Sie sind bereits auf viele Python-Operatoren gestoßen. Viele von ihnen kommen Ihnen wahrscheinlich sehr bekannt vor. Schließlich gibt es in Python nichts Neues an der Addition und Subtraktion. Aber es gibt viel mehr Operatoren als diejenigen, die für die Grundrechenarten verwendet werden! Operatoren sind Zeichen, die bestimmte arithmetische, logische Aktionen oder Prozesse ausführen. Datenprofis verwenden bei ihrer Arbeit ständig Operatoren. Da sie ein rudimentärer Bestandteil der Python-Programmierung sind, ist es wichtig, sie zu erlernen. Diese Lektüre ist eine Anleitung zu den verschiedenen Operatoren, die Ihnen in Python zur Verfügung stehen.
Speichern Sie diesen Kursartikel
Möglicherweise möchten Sie eine Kopie dieses Handbuchs zum späteren Nachschlagen aufbewahren. Sie können es als Ressource für zusätzliche Übungen oder für Ihre zukünftigen beruflichen Projekte verwenden. Um auf eine herunterladbare Version dieses Kurselements zuzugreifen, klicken Sie auf den folgenden Link und wählen Sie „Vorlage verwenden“.
Referenzhandbuch:Python-Operatoren
ODER
Wenn Sie kein Google-Konto haben, können Sie den Artikel direkt aus dem folgenden Anhang herunterladen.
Komparatoren
In Python können Sie Vergleichsoperatoren verwenden, um Werte zu vergleichen. Wenn ein Vergleich durchgeführt wird, gibt Python ein boolesches Ergebnis zurück – „True“ oder „False“. Python verwendet die folgenden Komparatoren:
Betrieb | Operator |
|---|---|
größer als | > |
größer als oder gleich wie | >= |
weniger als | < |
Gleich oder kleiner als | <= |
Nicht gleichzusetzen mit | != |
gleich | == |
Anmerkungen:
Das einfache Gleichheitszeichen ( = ) ist für Zuweisungsanweisungen reserviert. Wenn Sie für einen Vergleich ein einzelnes Gleichheitszeichen verwenden, gibt der Computer einen SyntaxError zurück .
Wenn Sie versuchen, Datentypen zu vergleichen, die nicht kompatibel sind, beispielsweise um zu überprüfen, ob eine Zeichenfolge größer als eine Ganzzahl ist, löst Python einen TypeError aus .
Logische Operatoren
Python verfügt außerdem über drei logische Operatoren, die mit Komparatoren kombiniert werden können, um komplexere Anweisungen zu erstellen.
Diese Operatoren sind:
Und
wird nur dann als wahr ausgewertet, wenn beide Aussagen wahr sind
oder
wird als wahr ausgewertet, wenn eine oder beide Aussagen wahr sind
nicht
kehrt die Bewertung um
Wenn die Anweisung „True“ ergibt, wird „False“ zurückgegeben. Wenn die Anweisung „False“ ergibt, wird „True“ zurückgegeben
Rechenzeichen
Python ist außerdem in der Lage, mithilfe einer Reihe integrierter Operatoren mathematische Operationen auszuführen. Diese arithmetischen Operatoren sind:
Betrieb | Operator | Beispiel |
|---|---|---|
Zusatz | + | [IN] 5 + 2 [OUT] 7 |
Subtraktion | – | [IN] 5 – 2 [OUT] 3 |
Multiplikation | * | [IN] 5 * 2 [OUT] 10 |
Aufteilung | / | [IN] 5 / 2 [OUT] 2.5 |
Modulo (der Rest einer Division) | % | [IN] 5 % 2 [OUT] 1 |
Potenzierung | ** | [IN] 5 ** 2 [OUT] 25 |
Bodenaufteilung (die Häufigkeit, mit der der Nenner vollständig in den Zähler übergehen kann) | // | [IN] 5 // 2 [OUT] 2 |
Es gibt viele andere mathematische Operationen, die in Python mithilfe von Funktionen aus speziellen Bibliotheken ausgeführt werden können, die Sie später kennenlernen werden. Python verwendet einen Kernsatz von Operatoren, um Vergleiche durchzuführen, logische Operationen durchzuführen und arithmetische Operationen zu berechnen. Diese Operatoren können in Anweisungen kombiniert werden, um eine unendliche Anzahl von Aufgaben und Operationen auszuführen.
Glossarbegriffe aus Modul 2
Begriffe und Definitionen aus Kurs 2, Modul 2
Algorithmus : Eine Reihe von Anweisungen zur Lösung eines Problems oder zur Erledigung einer Aufgabe
Boolean : Ein Datentyp, der nur zwei mögliche Werte hat, normalerweise wahr oder falsch
Verzweigung : Die Fähigkeit eines Programms, seine Ausführungsreihenfolge zu ändern
Komparator : Ein Operator, der zwei Werte vergleicht und boolesche Werte (Wahr/Falsch) erzeugt.
def : Ein Schlüsselwort, das eine Funktion am Anfang des Funktionsblocks definiert
Docstring : Eine Zeichenfolge am Anfang des Funktionskörpers, die das Verhalten der Funktion zusammenfasst und ihre Argumente und Rückgabewerte erläutert
elif : Ein reserviertes Schlüsselwort, das nachfolgende Bedingungen ausführt, wenn die vorherigen Bedingungen nicht wahr sind
else : Ein reserviertes Schlüsselwort, das ausgeführt wird, wenn vorhergehende Bedingungen als False ausgewertet werden
Funktion : Ein wiederverwendbarer Codekörper zum Ausführen bestimmter Prozesse oder Aufgaben
if : Ein reserviertes Schlüsselwort, das eine Bedingung in Python einrichtet
Logischer Operator : Ein Operator, der mehrere Anweisungen miteinander verbindet und komplexe Vergleiche durchführt
Modularität : Die Fähigkeit, Code in separaten Komponenten zu schreiben, die zusammenarbeiten und für andere Programme wiederverwendet werden können
Modulo : Ein Operator, der den Rest zurückgibt, wenn eine Zahl durch eine andere geteilt wird
Refactoring : Der Prozess der Umstrukturierung von Code unter Beibehaltung seiner ursprünglichen Funktionalität
return : Ein reserviertes Schlüsselwort in Python, das eine Funktion dazu bringt, neue Ergebnisse zu erzeugen, die zur späteren Verwendung gespeichert werden
Wiederverwendbarkeit : Die Möglichkeit, Code einmal zu definieren und ihn mehrmals zu verwenden, ohne ihn neu schreiben zu müssen
Selbstdokumentierender Code : Code, der so geschrieben ist, dass er lesbar ist und seinen Zweck klar macht
Begriffe und Definitionen aus dem vorherigen Modul
A
Argument : Informationen, die einer Funktion in ihren Klammern gegeben werden
Zuweisung : Der Vorgang des Speicherns eines Werts in einer Variablen
Attribut : Ein mit einem Objekt oder einer Klasse verknüpfter Wert, auf den mit dem Namen in Punktnotation verwiesen wird
C
Zellen : Die modularen Code-Eingabe- und Ausgabefelder, in die Jupyter Notebooks unterteilt sind
Klasse : Der Datentyp eines Objekts, der Daten und Funktionalität bündelt
Computerprogrammierung : Der Prozess, einem Computer Anweisungen zu geben, eine Aktion oder eine Reihe von Aktionen auszuführen
D
Datentyp : Ein Attribut, das ein Datenelement basierend auf seinen Werten, seiner Programmiersprache oder den Operationen beschreibt, die es ausführen kann
Punktnotation : So greifen Sie auf die Methoden und Attribute zu, die zu einer Instanz einer Klasse gehören
Dynamische Typisierung : Variablen, die auf Objekte jedes Datentyps verweisen können
UND
Explizite Konvertierung : Der Prozess der Konvertierung eines Datentyps eines Objekts in einen erforderlichen Datentyp
Ausdruck : Eine Kombination aus Zahlen, Symbolen oder anderen Variablen, die bei der Auswertung ein Ergebnis liefern
F
Float : Ein Datentyp, der Zahlen darstellt, die Dezimalzahlen enthalten
ICH
Unveränderlicher Datentyp : Ein Datentyp, bei dem die Werte niemals geändert oder aktualisiert werden können
Implizite Konvertierung : Der Prozess, den Python verwendet, um ohne Benutzerbeteiligung automatisch einen Datentyp in einen anderen zu konvertieren
Ganzzahl : Ein Datentyp, der zur Darstellung ganzer Zahlen ohne Brüche verwendet wird
J
Jupyter Notebook : Eine Open-Source-Webanwendung zum Erstellen und Teilen von Dokumenten mit Live-Code, mathematischen Formeln, Visualisierungen und Text
K
Schlüsselwort : Ein spezielles Wort in einer Programmiersprache, das für einen bestimmten Zweck reserviert ist und nur für diesen Zweck verwendet werden kann
M
Markdown : Eine Auszeichnungssprache, die es dem Benutzer ermöglicht, formatierten Text in einer Codierungsumgebung oder einem Nur-Text-Editor zu schreiben
Methode : Eine Funktion, die zu einer Klasse gehört und normalerweise eine Aktion oder Operation ausführt
N
Namenskonventionen : Konsistente Richtlinien, die den Inhalt, das Erstellungsdatum und die Version einer Datei in ihrem Namen beschreiben
Namensbeschränkungen : In die Syntax der Sprache selbst integrierte Regeln, die befolgt werden müssen
Ö
Objekt : Eine Instanz einer Klasse; ein grundlegender Baustein von Python
Objektorientierte Programmierung : Ein Programmiersystem, das auf Objekten basiert, die sowohl Daten als auch Code enthalten können, der diese Daten manipuliert
P
Programmiersprachen : Die Wörter und Symbole, die zum Schreiben von Anweisungen verwendet werden, denen Computer folgen sollen
S
String : Eine Folge von Zeichen und Satzzeichen, die Textinformationen enthält
Syntax : Die Struktur von Codewörtern, Symbolen, Platzierung und Interpunktion
IN
Variable : Ein benannter Container, der Werte an einem reservierten Ort im Speicher des Computers speichert