Kurs: Datenanalyse mit Python

Was du in 8 Einheiten lernst

1. 1

   NumPy-Arrays

   Hier starten

   Erstelle NumPy-Arrays, wähle Werte darin aus, forme sie um und ersetze Schleifen durch vektorisierte Arithmetik, Broadcasting und Aggregation.

   6 Lernziele

   Was du lernst

   1. 1.Arrays erstellen und ihre Datentypen festlegen
   2. 2.Daten in Arrays auswählen und filtern
   3. 3.Arrays umformen, transponieren und zusammenfügen
   4. 4.Schleifen durch vektorisierte Arithmetik, ufuncs und Broadcasting ersetzen
   5. 5.Arrays durch Aggregation entlang ihrer Achsen zusammenfassen
   6. 6.Zufallszahlen erzeugen und Simulationen durchführen
2. 2

   Einstieg in pandas

   Erstelle und prüfe pandas-Series und -DataFrames, wähle Zeilen und Spalten aus, filtere sie und berechne neue Spalten und statistische Kennwerte.

   6 Lernziele

   Was du lernst

   1. 1.Series und DataFrames verstehen
   2. 2.Eine CSV-Datei laden und die eingelesenen Daten prüfen
   3. 3.Daten nach Bezeichnung und nach Position auswählen
   4. 4.Zeilen nach Bedingungen filtern
   5. 5.Spalten hinzufügen und transformieren
   6. 6.Daten sortieren, Ränge vergeben und Daten zusammenfassen
3. 3

   Daten laden und speichern in pandas

   Lies und schreibe Daten in CSV, Excel, JSON, Parquet und SQL-Datenbanken, rufe Web-APIs ab und gehe mit Zeichenkodierungen und unübersichtlichen Dateilayouts um.

   6 Lernziele

   Was du lernst

   1. 1.Textdateien mit Trennzeichen in pandas laden
   2. 2.Text korrekt und effizient einlesen
   3. 3.Mit Excel-Arbeitsmappen arbeiten
   4. 4.Daten aus JSON-Dateien und Web-APIs abrufen
   5. 5.Daten im passenden Dateiformat speichern
   6. 6.Daten aus SQL-Datenbanken lesen und in SQL-Datenbanken schreiben
4. 4

   Datenaufbereitung mit pandas

   Bereinige, transformiere, kombiniere und forme DataFrames mit pandas um, einschließlich fehlender Werte, Textoperationen, Zusammenführungen und Pivot-Tabellen.

   5 Lernziele

   Was du lernst

   1. 1.Fehlende Werte und Dubletten erkennen und behandeln
   2. 2.Werte durch Ersetzen, Zuordnen und Klasseneinteilung transformieren
   3. 3.Textdaten und kategoriale Daten bereinigen
   4. 4.DataFrames kombinieren
   5. 5.Daten mit hierarchischen Indizes, pivot und melt umformen
5. 5

   Gruppierung und Aggregation mit pandas

   Teile Daten in Gruppen auf, wende Aggregationen, Transformationen und eigene Funktionen an und erstelle Pivot-Tabellen und Kreuztabellen.

   5 Lernziele

   Was du lernst

   1. 1.Daten mit groupby in Gruppen aufteilen
   2. 2.Jede Gruppe durch Aggregation zusammenfassen
   3. 3.Gruppenweise transformieren, filtern und Funktionen anwenden
   4. 4.Numerische Daten in Klassen einteilen und Gruppen nach Klassen und Quantilen analysieren
   5. 5.Daten in Pivot-Tabellen und Kreuztabellen zusammenfassen
6. 6

   Zeitreihen mit pandas

   Lies Datums- und Zeitangaben ein, indiziere Daten nach Zeit, ändere die Frequenz durch Resampling, berechne gleitende Kennwerte und berücksichtige Zeitzonen und Perioden.

   6 Lernziele

   Was du lernst

   1. 1.Datums- und Zeitangaben in Werte umwandeln, mit denen du in pandas rechnen kannst
   2. 2.Daten nach Zeit indizieren, auswählen und vergleichen
   3. 3.Datumsfolgen erzeugen und Frequenzen, Offsets und Perioden nutzen
   4. 4.Die Frequenz einer Zeitreihe durch Resampling ändern
   5. 5.Daten mit gleitenden und wachsenden Fenstern glätten und zusammenfassen
   6. 6.Zeitzonen und Sommerzeit berücksichtigen
7. 7

   Visualisierung mit Matplotlib und Seaborn

   Erstelle und gestalte Linien-, Balken- und Streudiagramme, Histogramme, Boxplots und Heatmaps mit Matplotlib, pandas und seaborn.

   5 Lernziele

   Was du lernst

   1. 1.Diagramme mit Figure- und Axes-Objekten von Matplotlib erstellen
   2. 2.Daten direkt aus pandas grafisch darstellen
   3. 3.Statistische Diagramme mit seaborn erstellen
   4. 4.Verteilungen und Wertematrizen visualisieren
   5. 5.Abbildungen mit mehreren Teilgrafiken erstellen, annotieren und exportieren
8. 8

   Explorative Datenanalyse mit Python

   Führe in einem Notebook eine vollständige explorative Analyse durch: Erstelle Datenprofile der Variablen, untersuche Verteilungen und Zusammenhänge und dokumentiere deine Befunde reproduzierbar.

   6 Lernziele

   Was du lernst

   1. 1.Eine explorative Analyse in einem Notebook planen
   2. 2.Ein Datenprofil erstellen und die Datenqualität beurteilen
   3. 3.Die Verteilung jeder Variablen beschreiben
   4. 4.Zusammenhänge zwischen Variablen untersuchen
   5. 5.Teilgruppen der Daten vergleichen
   6. 6.Explorative Befunde reproduzierbar dokumentieren