104學習

資料結構

資料結構
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「資料結構：負責設計、實現及維護高效的數據結構，以提升系統性能和數據處理效率。主要目標包括優化數據存取速度、降低資源消耗，並支持業務決策分析。需具備扎實的程式設計能力，熟悉資料結構與演算法，並具備跨部門協作能力及良好的溝通技巧，以確保與產品開發和數據分析團隊的緊密協作。面對台灣快速變化的科技環境，需要具備適應性和持續學習的意願，理解當地業務需求，能靈活運用技術解決具體問題。」
關於教室
關注人數 7 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 資料結構
    • 關於教室
    關注人數 7 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 資料結構
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    資料結構 學習推薦

    全部
    影片
    文章
    AppDev Learner
    關注
    趙之君

    Android與跨平台架構師

    2022/02/22

    Android 面試題庫，你瞭解多少？
    在專業工程面試中，除了經常會有的演算法、資料結構問題，也有相關領域的專業題目。對 Android 工程，以下網站總結了滿多 Android 領域的面試題，建議面試前可以複習一下。就算沒有要面試，也可以透過這些問題，更了解自己對 Android 的理解程度～
    看更多
    Android 面試題庫，你瞭解多少？
    github.com
    GitHub - MindorksOpenSource/android-interview-questions: Your Cheat Sheet For Android Interview - Android Interview Questions
    2 0 2984 1

    104學習精選課程

    看更多課程
    想提升職場競爭力？專業技能課程看起來👇
    資料結構精修–使用C語言【本課程為線上課，報名後專員會提供上課資訊】
    本課程專為已具備C語言基礎的學員設計，系統性介紹資料結構核心觀念與實作技巧，包含陣列、鏈結串列、堆疊、佇列、樹與圖等主題。課程內容搭配範例說明與邏輯圖解，幫助學員熟悉資料排序與搜尋方法，強化演算法邏輯，適合準備轉職工程師、學校課程補強或技術面試需求，為未來進階學習與實務開發打下堅實基礎。
    艾鍗學院
    APCS程式檢定(C++)【本課程為線上課，報名後專員會提供上課資訊】
    本 APCS C++ 課程專為高中職學生設計，分為程式語言精修與 APCS 實作衝刺兩階段。第一階段透過 C++ 變數、資料型態、STL 容器（vector/map/set）、流程控制、函式、遞迴、二維陣列與字串處理等主題，奠定堅實程式基礎；第二階段則深入 APCS 歷屆實作題（如邏輯運算、交錯字串、堆疊、秘密差、基地台等）並解析考題邏輯，搭配 VirtualBox 考場模擬環境，讓學員建立實戰演練能力。由工程師授課並提供程式解題思路，強化問題拆解與實作能力，適合準備 APCS 考試及想進入資訊科系的學生選修。
    艾鍗學院
    APCS程式檢定(C語言)【本課程為線上課，報名後專員會提供上課資訊】
    APCS C 語言檢定培訓課程，專為國高中生設計。第一階段全方位覆蓋 C 語言核心語法、運算式、流程控制、遞迴、資料結構（陣列、指標、結構體）與字串處理等內容，培養紮實程式能力。第二階段聚焦於 APCS 實作與觀念題解析，包含多項式、樹、搜尋、排序等資料結構基礎與實作題演練，並涵蓋各年度歷屆題目如邏輯運算、交錯字串、堆疊應用、秘密差、K彈與基地台等題型。透過全面的內容與考試氛圍模擬，幫助學員掌握思考與解題流程，提升考試自信與分數競爭力！
    艾鍗學院
    APCS程式檢定(Python)
    想挑戰 APCS 的你，不容錯過這門針對 Python 實作與演算法精編的課程！課程由兩大主軸構成：第一階段強化程式設計基礎，內容涵蓋變數、序列資料結構、流程控制、遞迴與模組等；第二階段深入 APCS 考試實作與觀念題，透過實際演練串列操作、Divide & Conquer、Dynamic Programming、Greedy Method 等演算法解題技巧，輔歷屆考題解析，扎實提升應考實力，助你一次拿下 APCS 觀念題與實作題高分！
    艾鍗學院
    321 1
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2021/10/27

    Pandas DataFrame處理雙維度資料方法(4)
    Q:如何取得Pandas DataFrame資料?
    1.head()：取得最前面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.head(2)
    print(new_df) #取得最前面的兩筆資料
    2.tail()：取得最後面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.tail(3)
    print(new_df) #取得最後面的三筆資料
    3.中括號[]：在中括號中指定「欄位名稱」或「資料索引值」，來取得所需的資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df[["name"]]) #取得單一欄位資料(型別為DataFrame)
    print(df[["name", "chinese"]]) #取得多欄位資料(型別為DataFrame)
    print(df[0:3]) #取得索引值0~2的資料
    4.at[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「單一值」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.at[1, "math"]) #利用at()方法取得索引值為1的math欄位資料
    5.iat[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「單一值」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.iat[1, 0]) #取得索引值為1的第一個欄位資料"
    5.loc[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「資料集」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.loc[[1, 3], ["name", "chinese"]]) #取得資料索引值為1和3的name及chinese欄位資料集
    6.iloc[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「資料集」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.iloc[[1, 3], [0, 2]]) #取得資料索引值為1和3的第一個及第三個欄位資料集
    如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html )網站觀看更多精彩內容。
    看更多
    Pandas DataFrame處理雙維度資料方法(4)
    learncodewithmike.com
    [Pandas教學]資料分析必懂的Pandas DataFrame處理雙維度資料方法
    2 0 424 0
    2219 17

    推薦給你

    104學習精靈 | 購課得獎公告
    關注
    104學習

    產品

    11/20 17:25

    【早鳥購課優惠】iPAS AI應用規劃師衝刺班｜速攻考點 × 模擬實戰 × GPT刷題攻略
    【早鳥購課優惠】前20名再享早鳥加碼送百元LINE點數優惠(採訂單成立時間(無退款)排序前20名)
    提醒通知：贈點通知信由客服發送到您購買時所填寫的信箱，因Gmail...等收信軟體，其系統收信可能會歸類在「垃圾信件夾」中，再請留意該信件是否有課程信件。
    【點數兌換，請用手機開啟信件後進行兌換】
    前面獲贈者，後為訂單時間，姓名部分資訊隱藏：
    黃⭕頎 2025-09-01 06:55:14
    嚴⭕榛 2025-09-01 16:53:57
    詹⭕隆 2025-09-02 00:03:17
    陳⭕琪 2025-09-02 09:35:53
    楊⭕婷 2025-09-02 09:52:46
    朱⭕達 2025-09-02 12:21:17
    李⭕毅 2025-09-02 13:32:56
    林⭕芝 2025-09-02 15:01:31
    鄭⭕瑄 2025-09-02 15:12:16
    陳⭕儒 2025-09-02 16:52:03
    鄭⭕偉 2025-09-03 01:27:37
    劉⭕麟 2025-09-03 02:13:35
    張⭕子 2025-09-03 02:32:30
    温⭕枬 2025-09-03 04:12:30
    陳⭕鐘 2025-09-03 07:02:59
    曾⭕婷 2025-09-03 08:46:33
    許⭕祝 2025-09-03 09:52:18
    鄭⭕卉 2025-09-03 14:00:38
    呂⭕仁 2025-09-03 15:23:41
    翁⭕棋 2025-09-03 22:46:15
    感謝以上購買者，１０４課程中心持續更新與上架職場學習課程，歡迎大家一起來增能！
    提醒通知：贈點通知信由客服發送到您購買時所填寫的信箱，因Gmail...等收信軟體，其系統收信可能會歸類在「垃圾信件夾」中，再請留意該信件是否有課程信件。
    客服信箱：nabiservice@104.com.tw
    【贈獎信件於2025/11/20-11/21期間發送完畢到您的購買時所填寫的信箱】
    看更多
    1 0 365 0
    你可能感興趣的教室