Fahrradverkehr über die ganze Woche

2012 installierte die Stadt Seattle Zähler, um Fahrräder zu erfassen, die die Fremont Bridge überqueren – eine wichtige Strecke für Pendler:innen aus den nördlichen Stadtteilen in die Innenstadt.

Ein 2D-NumPy-Array namens bike_traffic ist geladen. Es enthält die durchschnittliche Anzahl an Radfahrer:innen, die zwischen Oktober 2012 und Mitte Juni 2018 während jeder Stunde des Tages für jeden Wochentag die Fremont Bridge überquert haben.

Jede Spalte steht für einen Wochentag, beginnend mit Montag.
Jede Zeile steht für eine Stunde des Tages, beginnend mit der Stunde 0–1 Uhr.

Denk daran, dass das Indizieren in Python etwas anders funktioniert als in MATLAB:

Python-Indizes starten bei 0, nicht bei 1
In Python kannst du negative Indizes verwenden: -1 entspricht in MATLAB end

Diese Übung ist Teil des Kurses

Python für MATLAB-Anwender

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Print the shape of bike traffic
print(bike_traffic.____)

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

Python für MATLAB-Anwender

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

In diesem Kapitel startest du mit dem Wechsel von MATLAB zu Python. Du lernst einige Gemeinsamkeiten und Unterschiede zwischen MATLAB und Python kennen, wie du Methoden und Packages verwendest, und bekommst eine Einführung in das beliebte NumPy-Package.

Exercise 1: Willkommen bei Python!Exercise 2: Einfache Berechnungen Exercise 3: Eine Investition prognostizieren Exercise 4: Typen von Variablen Exercise 5: Methoden und Packages Exercise 6: Zeichenketten mit Methoden bearbeiten Exercise 7: Python-Pakete verwenden Exercise 8: Arrays & Plotten Exercise 9: Erste Schritte mit NumPy-Arrays Exercise 10: Fahrradverkehr visualisieren Exercise 11: Was sagt die Lebenserwartung von Tieren voraus?

In diesem Kapitel baust du auf deinem neuen NumPy-Wissen auf. Du tauchst in NumPy-Arrays ein – das Python-Pendant zu Matrizen – und führst mathematische Operationen und Indexierung durch. Außerdem entdeckst du eine weitere wichtige Python-Datenstruktur, die Liste, und rundest das Kapitel mit benutzerdefinierten Plots deiner Arrays mit Matplotlib ab.

Exercise 1: Eintauchen in NumPy-Arrays Exercise 2: Prognose über die Zeit Exercise 3: Wie viel teurer sind Bio-Avocados?Exercise 4: Indexierung von NumPy-Arrays Exercise 5: Spalten aus NumPy-Arrays auswählen Exercise 6: Fahrradverkehr über die ganze Woche

Aktuelle Übung

Exercise 7: Arrays mit Booleschem Indexing filtern Exercise 8: Listen Exercise 9: Listen erkunden Exercise 10: NumPy-Arrays aus Listen erstellen Exercise 11: Mit Listen und Arrays arbeiten Exercise 12: Plots anpassen Exercise 13: Farben, Linienstile und Legenden Exercise 14: Daten über Farbe und Größe codieren Exercise 15: Triebwerkstypen bei Wildtierkollisionen bestimmen

Dieses Kapitel stellt einige leistungsstarke Python-Datenstrukturen vor: das Dictionary und das pandas DataFrame. Du lernst, Dictionaries durch das Setzen von Schlüssel-Wert-Paaren zu erstellen und sie anschließend anzusehen und zu ändern. Danach lernst du eines der wichtigsten Pakete im Werkzeugkasten von Pythonistas kennen: pandas. Im Fokus steht dabei die pandas-Struktur DataFrame, die tabellarische Daten leicht zugänglich organisiert. Abschließend erfährst du, wie du verschiedene Datentypen in DataFrames umwandelst, um besser mit deinen Daten arbeiten zu können.

Exercise 1: Dictionaries Exercise 2: Welche Schlüssel?Exercise 3: Daten auslesen Exercise 4: Wörterbücher ändern Exercise 5: Einführung in DataFrames Exercise 6: Erkunde ein pandas DataFrame Exercise 7: Daten aus einem DataFrame plotten Exercise 8: Zugriff auf pandas DataFrames Exercise 9: Zeilen und Spalten abrufen Exercise 10: Die vielen Facetten von .iloc Exercise 11: pandas DataFrames erstellen Exercise 12: Aus einer CSV-Datei Exercise 13: Aus einem Dictionary von Listen Exercise 14: Aus einer Liste von Dictionaries

Zum Abschluss des Kurses steuerst du den Python-Kontrollfluss. Du lernst, wie du mit for-Schleifen durch verschiedene Python-Datenstrukturen iterierst. Außerdem lernst du Python-Verzweigungen mit if, else und elif kennen sowie die Python-Vergleichsoperatoren (größer als, kleiner als usw.), die entscheiden, welche Zeilen deines Codes ausgeführt werden. Zum Schluss kommst du auf NumPy-Arrays zurück und verwendest Python-Vergleichsoperatoren, um deine Arrays zu filtern.

Exercise 1: Daten durchlaufen Exercise 2: Über Listen iterieren Exercise 3: Mehrere Plots in einer Abbildung überlagern Exercise 4: Vergleiche und Kontrollfluss Exercise 5: Unterschiedliche Flugzeugtypen zählen Exercise 6: Bestimmte Zeilen in einem DataFrame finden Exercise 7: Daten filtern Exercise 8: Boolesches Indexing für schnelle Statistiken Exercise 9: Booleans rocken das!Exercise 10: Boolesches Indexing und Matplotlib-Spaß Exercise 11: Gut gemacht!