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

Streudiagramm (2)

In der vorigen Übung hast du gesehen, dass ein höheres BIP in der Regel mit einer höheren Lebenserwartung einhergeht. Anders ausgedrückt: Es besteht eine positive Korrelation.

Glaubst du, dass es einen Zusammenhang zwischen der Bevölkerungsgröße und der Lebenserwartung eines Landes gibt? Die Liste life_exp aus der vorigen Übung ist bereits verfügbar. Außerdem gibt es jetzt auch die Liste pop mit den entsprechenden Bevölkerungszahlen für die Länder im Jahr 2007. Diese Bevölkerungsgrößen sind jeweils in Millionen angegeben.

Anweisungen

100 XP
  • Beginne von vorn: Importiere matplotlib.pyplot als plt.
  • Erstelle ein Streudiagramm, bei dem pop auf der horizontalen Achse und life_exp auf der vertikalen Achse abgebildet wird.
  • Beende das Skript mit plt.show(), damit das Diagramm angezeigt wird. Erkennst du eine Korrelation?