1. Lernen
    2. /
  2. Kurse
    3. /
  3. Python für Fortgeschrittene
  • 1

    Matplotlib

    Kostenlos

    Die Datenvisualisierung ist eine Schlüsselqualifikation für angehende Data Scientists. Mit Matplotlib ist es ganz einfach, aussagekräftige und aufschlussreiche Diagramme zu erstellen. In diesem Kapitel lernst du, wie du verschiedene Arten von Diagrammen erstellst und sie so anpasst, dass sie visuell ansprechend und interpretierbar sind.

  • 2

    Dictionarys & pandas

    Lerne den Datentyp Dictionary als Alternative zur Python-Liste und den pandas-DataFrame als De-facto-Standard für die Arbeit mit tabellarischen Daten in Python kennen. Du lernst in praktischen Übungen, wie du Datensätze erstellst und bearbeitest und wie du auf benötigte Informationen in diesen Datenstrukturen zugreifen kannst.

  • 3

    Logik, Kontrollfluss und Filterung

    Die boolesche Logik ist die Grundlage für die Entscheidungsfindung in Python-Programmen. Du erfährst, welche Vergleichsoperatoren es gibt, wie du sie mit booleschen Operatoren kombinierst und wie du die booleschen Ergebnisse in Kontrollstrukturen verwendest. Außerdem übst du das Filtern von Daten in pandas-DataFrames mithilfe von Logik.

  • 4

    Schleifen

    Es gibt verschiedene Techniken, mit denen du Python-Code wiederholt ausführen kannst. While-Schleifen sind quasi wiederholte if-Anweisungen, wohingegen for-Schleifen über alle Arten von Datenstrukturen iterieren. In diesem Kapitel erfährst du mehr zu diesen Schleifen.

  • 5

    Fallstudie: Simulierte Statistiken

    Im letzten Kapitel kannst du nun alles Gelernte aus dem Kurs anwenden. Mithilfe von simulierten Statistiken berechnest du deine Gewinnchancen bei einer Wette. Du nutzt Zufallszahlengeneratoren, Schleifen und Matplotlib, um dir einen Glücksspielvorteil zu verschaffen!

Initializing

Übung

Rechtsverkehr (1)

Erinnerst du dich an den Datensatz cars mit Daten zur Anzahl der Autos pro 1000 Einwohner (cars_per_cap) und zum Rechtsverkehr (drives_right) für verschiedene Länder (country)? Der Code, der diese Daten im CSV-Format als DataFrame in Python importiert, ist im Skript enthalten.

Im Video hast du gesehen, wie du Schritt für Schritt Zeilen aus einem DataFrame anhand von booleschen Arrays filtern kannst. Fangen wir mit einer leichten Aufgabe an und versuchen wir, alle Zeilen in cars zu finden, bei denen drives_right als True angegeben ist.

drives_right ist eine boolesche Spalte, also musst du sie als Series extrahieren und dann diese boolesche Series verwenden, um Zeilen aus cars auszuwählen.

Anweisungen

100 XP
  • Extrahiere die Spalte drives_right als pandas Series und speichere sie als dr.
  • Verwende dr, eine boolesche Series, um aus dem DataFrame cars einen Teil auszuwählen. Speichere die resultierende Auswahl in sel.
  • Gib sel aus und überprüfe, ob drives_right für alle Zeilen True ist.