Data

Tools

Indexes

Applications

Experiments

Open Source Science

https://github.com/cusyio/datenanalyse-in-python

Kurs zur automatisierten Aufbereitung, Zusammenfassung und Erstellung von Diagrammen tabellarischer Daten mit Python.

https://github.com/cusyio/datenanalyse-in-python

Science Score: 13.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ○
    CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ○
    .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (2.4%) to scientific vocabulary

Keywords

data-analysis pandas-python pandas-tutorial python
Last synced: 5 months ago · JSON representation

Repository

Kurs zur automatisierten Aufbereitung, Zusammenfassung und Erstellung von Diagrammen tabellarischer Daten mit Python.

Basic Info
  • Host: GitHub
  • Owner: cusyio
  • Language: HTML
  • Default Branch: main
  • Size: 5.38 MB
Statistics
  • Stars: 10
  • Watchers: 3
  • Forks: 4
  • Open Issues: 3
  • Releases: 0
Archived
Topics
data-analysis pandas-python pandas-tutorial python
Created about 9 years ago · Last pushed almost 5 years ago
Metadata Files
Readme

README.md

Datenanalyse in Python

Ergebnis

Nach diesem Kurs können Sie tabellarische Daten mit Python automatisiert aufbereiten, zusammenfassen und Diagramme erstellen.

Zielgruppe

Analysten, Wissenschaftler und Ingenieure, die größere Datenmengen effizienter handhaben möchten.

Voraussetzungen

Grundkenntnisse in Python

Kursbeschreibung

Die Python-Bibliothek pandas bietet ein praktisches Alltagswerkzeug zur Analyse tabellarischer Daten. Dieser Kurs verbessert Ihren Werkzeugsatz für die Arbeit mit Datensätzen von wenigen hundert bis einigen Millionen Einträgen in Python. Der Kurs behandelt an praktischen Beispielen sowohl die erkundende Datenanalyse, das Ermitteln von Kennzahlen und das Erstellen anschaulicher Grafiken. Durch die Integration mit interaktiven Analyseumgebungen wie IPython und Jupyter lassen sich viele Fragestellungen schnell umsetzen.

Kursdauer

14 Stunden

Agenda

| Tag 1 | Tag 2 | |-------|-------| | Einführung in pandas | Aggregatfunktionen | | Datenaufbereitung | Analyse von Zeitreihen | | Daten zusammenfassen | geographische Daten | | Datenvisualisierung | pandas in der Praxis |

Tag 1

Einführung in pandas

  • Die Arbeitsumgebung zur interaktiven Datenanalyse
  • Kurzübersicht zu pandas
  • Series
  • DataFrame
  • Neuerungen in Python 3
  • Jupyter Notebooks

Datenaufbereitung

  • CSV- und Excel-Dateien in pandas einlesen
  • Daten sortieren
  • Daten filtern
  • Tabellen transponieren
  • Auswahl von Zeilen und Spalten
  • pandas-Tabellen speichern

Daten zusammenfassen

  • statistische Kenngrößen ermitteln
  • Tabellen zusammenführen
  • hierarchische Indizierung
  • Kreuztabellen
  • Pivot-Tabellen

Datenvisualisierung

  • Diagramme mit matplotlib erstellen
  • matplotlib aus pandas verwenden
  • Daten in Jupyter notebooks visualisieren
  • Heatmaps
  • Multi-Panel-Diagramme
  • qualitativ hochwertige Diagramme generieren
  • andere Bibliotheken zur Datenvisualisierung

Tag 2

Aggregatfunktionen

  • Iteration über Zeilen und Spalten
  • Gruppieren
  • Aggregieren
  • Transformieren
  • Anwenden eigener Funktionen

Analyse von Zeitreihen

  • Serien von Datumsstempeln
  • Umskalieren von Zeitreihen
  • Anpassen von Zeitzonen
  • Umgang mit lückenhaften Daten
  • rollender Durchschnitt
  • einfache Prognosen

Umgang mit geographischen Daten

  • Speichern von Koordinaten in pandas
  • Zeichnen von Karten mit Basemap

Pandas in der Praxis

  • Mythen und Fakten
  • Numpy
  • Modellbildung in scikit-learn
  • alternative Programmpakete und Strategien zur Datenmodellierung
  • Umgang mit großen Datenmengen
  • Best Practices

Owner

  • Name: cusy GmbH
  • Login: cusyio
  • Kind: organization
  • Email: info@cusy.io
  • Location: Berlin, Germany

Software consultancy solving complex problems, connecting strategy and execution, helping clients to strengthen their core competencies and flexible scaling.

GitHub Events

Total
Last Year

Issues and Pull Requests

Last synced: over 1 year ago

All Time
  • Total issues: 4
  • Total pull requests: 4
  • Average time to close issues: about 1 month
  • Average time to close pull requests: 3 months
  • Total issue authors: 2
  • Total pull request authors: 2
  • Average comments per issue: 0.75
  • Average comments per pull request: 0.0
  • Merged pull requests: 4
  • Bot issues: 0
  • Bot pull requests: 2
Past Year
  • Issues: 0
  • Pull requests: 0
  • Average time to close issues: N/A
  • Average time to close pull requests: N/A
  • Issue authors: 0
  • Pull request authors: 0
  • Average comments per issue: 0
  • Average comments per pull request: 0
  • Merged pull requests: 0
  • Bot issues: 0
  • Bot pull requests: 0
View more stats
Top Authors
Issue Authors
  • krother (3)
  • veit (1)
Pull Request Authors
  • ahenze (2)
  • dependabot[bot] (1)
Top Labels
Issue Labels
help wanted (1) enhancement (1)
Pull Request Labels
dependencies (1)