Learn Code With Mike

Photo by Zan on Unsplash 想要在機器學習或資料分析的過程中順利實作，資料集的前置處理就非常重要，像是資料清理或篩選等，而這些動作通常都是一個有順序性的流程，雖然能透過一次一次的呼叫Pandas套件方法(Method)來達成，但是如果想要讓程式碼可讀性高，以及自動化重複性的資料處理流程，就需要建置資料處理管道(Pipeline)。

Photo by Michael Dolejš on Unsplash 對於資料分析人員來說，Pandas套件相信是最受歡迎的套件之一，提供了許多強大而簡單的方法(Method)來操作資料，但是當處理的資料量較多時，讀取效率就會顯得非常的慢，並且耗用大量的記憶體資源 。

Photo by Brett Jordan on Unsplash Google Sheets(試算表)相信大家都不陌生，能夠允許多個使用者在上面同時協作，不論是新增或編輯資料等， 對於資料分析來說，就是一個非常好的儲存與共享資料工具 。