Lerne einige der wichtigsten Datentypen (Integer, Float, String und Boolean) und Datenstrukturen (Listen, Dictionaries, NumPy-Arrays und pandas DataFrames) in Python kennen und wie sie sich mit denen in R vergleichen lassen.

Einführung

Zuweisung und Datentypen

Arithmetik mit Strings

Container – Listen und Dictionaries

Listen

Dictionaries

Funktionen, Methoden und Bibliotheken

Methoden

NumPy-Arrays

Pandas DataFrames

Die Grundlagen

In diesem Kapitel lernst du Kontrollfluss-Anweisungen (if-else if-else), for-Schleifen kennen und schreibst deine eigenen Funktionen in Python!

Kontrollfluss und Schleifen

Programmfluss

Schleifen

Funktionen

Individuelle Binge-Drinking-Funktion

Allgemeine Funktion für Rauschtrinken

Lambda-Funktionen

Comprehensions

Mapping-Funktionen

List Comprehension

Dictionary Comprehension

Kontrollfluss, Schleifen und Funktionen

In diesem Kapitel lernst du eine der wichtigsten Python-Bibliotheken kennen: pandas. Neben DataFrames bietet pandas zahlreiche Funktionen und Methoden zur Datenmanipulation.

Daten in pandas auswählen

Spalten auswählen

Zeilen auswählen

Zeilen und Spalten auswählen

Datentypen

Integers und Floats

Strings

Kategorie

Datumsangaben (I)

Datumsangaben (II)

Fortgeschrittenes Pandas

Fehlende Werte

Groupby

Tidy Data

Pandas

Du lernst das vielfältige Ökosystem an Visualisierungsbibliotheken in Python kennen. Dieses Kapitel behandelt matplotlib, die zentrale Visualisierungsbibliothek in Python, sowie die Bibliotheken pandas und seaborn.

Direktes Plotten mit pandas

Univariate Plots in pandas

Bivariate Plots in pandas

Seaborn

Univariate Plots in seaborn

Bivariate Plots in seaborn

Facet-Plots in seaborn

Matplotlib

Univariate und bivariate Plots in matplotlib

Teilabbildungen in matplotlib

Mit Achsen arbeiten

Eine Abbildung feinjustieren

Visualisierung

Zum Abschluss wendest du deine Python-Skills auf den Datensatz „NYC Flights 2013“ an.

NYC-Flugdaten

Mehrere Datendateien laden

Erkunden

Visualisieren

Daten manipulieren

Daten neu kodieren: Datumsangaben

Groupby-Aggregationen

Diagramme

Dummy-Variablen

Abschluss

Capstone

Air quality

Country timeseries

Flights (sample)

Inflammation

NYC Flights 2013

Tips

Python und R haben im „Zeitalter des Machine Learning“ enorm an Popularität gewonnen. Beide sind höher­stufige Sprachen, die leicht zu lernen und zu schreiben sind. Welche Sprache du verwendest, hängt von deinem Hintergrund sowie deinem Fachgebiet in Studium und Beruf ab. R ist eine Sprache von Statistikern für Statistiker, während Python eine allgemeinere Programmiersprache ist. Unabhängig vom Hintergrund gibt es Situationen, in denen ein bestimmter Algorithmus nur in einer der beiden Sprachen implementiert ist, eine Funktion besser dokumentiert ist oder das Tutorial, das du online gefunden hast, einfach Python statt R verwendet.

In all diesen Fällen muss ein R-Nutzer in Python arbeiten, um seine Arbeit zu erledigen, oder verstehen, wie etwas in Python umgesetzt ist, um es nach R zu übertragen. Dieser Kurs hilft dir, die Sprachbarriere zwischen R und Python zu überwinden.

Introduction to Writing Functions in R

Dieser Kurs ist für R-Nutzer, die Python schnell lernen möchten!

Python für R-Nutzer

Dieser Kurs ist für Leute, die R nutzen und sich schnell mit Python vertraut machen wollen!

Funktionen, Methoden und Bibliotheken

Create Your Free Account