In [11]:
# Pakete mit Kurzbeschreibung
import numpy as np # Numerik: Arrays, Zufall, Statistik
import pandas as pd # Tabellen: Einlesen, Filtern, Auswerten
import matplotlib.pyplot as plt # Plots: Histogramme, Linien, Balken
import seaborn as sns # Statistische Visualisierung
import scipy.stats as stats # Statistische Tests & Maße
import math # Basis-Mathematik: sqrt, log, etc.
from pydataset import data # Zugriff auf R-Beispieldatensätze (z. B. Titanic)
In [12]:
print("Hello world")
a = 1
b = 5
Hello world
In [13]:
a = 4
b = 5
a + b # ergibt 9
Out[13]:
9
In [14]:
zahl = math.sqrt(9)
print(f"Wurzel aus 9 ist {int(zahl)}")
Wurzel aus 9 ist 3
In [15]:
#pip install pandas
import pandas as pd
import scipy.stats as stats
Einlesen -> File->Import Dataset ->From Excel
optional¶
In [16]:
# Excel-Datei einlesen mit pandas
#pearson = pd.read_excel("D:/tests/pearson.xlsx", sheet_name="Tabelle1")
#import pandas as pd
#import numpy as np
#from scipy.stats import describe
np.random.seed(0)
chi = pd.DataFrame({
"vorher": np.random.choice(["ja", "nein"], size=20),
"nachher": np.random.choice(["ja", "nein"], size=20)
})
print(chi.head(5))
vorher nachher 0 ja ja 1 nein nein 2 nein nein 3 ja ja 4 nein ja
In [17]:
# Als Kategorie kodieren (wie as.factor in R)
chi["vorher"] = chi["vorher"].astype("category")
chi["nachher"] = chi["nachher"].astype("category")
print(chi.dtypes)
vorher category nachher category dtype: object
Deskriptive Statistik¶
In [18]:
# ▶︎ Datenquelle: Simulierte Werte für Demonstrationszwecke
# score_1 ~ N(100, 15), score_2 ~ N(105, 10)
np.random.seed(0)
pearson = pd.DataFrame({
"score_1": np.random.normal(loc=100, scale=15, size=50),
"score_2": np.random.normal(loc=105, scale=10, size=50)
})
In [19]:
# Deskriptive Statistik pro Spalte berechnen
desc_stats = {}
for col in pearson.columns:
stats = describe(pearson[col])
desc_stats[col] = {
"Anzahl": stats.nobs,
"Mittelwert": round(stats.mean, 2),
"Standardabweichung": round(np.sqrt(stats.variance), 2),
"Minimum": round(stats.minmax[0], 2),
"Maximum": round(stats.minmax[1], 2),
"Schiefe": round(stats.skewness, 2),
"Kurtosis": round(stats.kurtosis, 2)
}
# In DataFrame umwandeln für schöne Darstellung
desc_df = pd.DataFrame(desc_stats).T
# Tabelle anzeigen
print("\n▶︎ Deskriptive Statistik für 'pearson':\n")
print(desc_df)
In [ ]:
plt.hist(pearson["score_1"], bins=15, color='deepskyblue', edgecolor='black')
plt.title("Histogramm des IQs")
plt.xlabel("IQ")
plt.ylabel("Anzahl")
plt.show()
In [ ]:
# Numeric
var1 = [15, 85.15, 9999999]
print("var1:", var1)
# Logical / Boolean
var2 = [True, False]
print("var2:", var2)
# Mischung (wird in Python als Liste mit gemischten Typen behandelt)
var3 = ["Maier", "Klein", 18, 18.14]
print("var3:", var3)
var1: [15, 85.15, 9999999] var2: [True, False] var3: ['Maier', 'Klein', 18, 18.14]
In [ ]:
print(type(var1))
print(type(var2))
print(type(var3))
<class 'list'> <class 'list'> <class 'list'>
Matrix¶
In [ ]:
# Erzeuge ein Array mit den Werten 1 bis 9
# mit den Dimensionen (3, 3, 4, 2)
arr = np.array(range(1, 10))
arr = np.tile(arr, 8) # 9 * 8 = 72, um genug Werte für 3x3x4x2 = 72 zu haben
arr = arr.reshape((3, 3, 4, 2))
print(arr)
[[[[1 2] [3 4] [5 6] [7 8]] [[9 1] [2 3] [4 5] [6 7]] [[8 9] [1 2] [3 4] [5 6]]] [[[7 8] [9 1] [2 3] [4 5]] [[6 7] [8 9] [1 2] [3 4]] [[5 6] [7 8] [9 1] [2 3]]] [[[4 5] [6 7] [8 9] [1 2]] [[3 4] [5 6] [7 8] [9 1]] [[2 3] [4 5] [6 7] [8 9]]]]
Meine erste Liste¶
In [ ]:
mylist = [var1, var2, var3]
print(mylist)
[[15, 85.15, 9999999], [True, False], ['Maier', 'Klein', 18, 18.14]]
Mein erster erzeugter Datensatz¶
In [ ]:
import pandas as pd
var4 = ["Haus2", "Haus3", "Haus4", "Haus1"]
var5 = [5, 6, 7, 8]
var6 = [9, 10, 11, 12]
Tab1 = pd.DataFrame({
"var4": var4,
"var5": var5,
"var6": var6
})
print(Tab1)
var4 var5 var6 0 Haus2 5 9 1 Haus3 6 10 2 Haus4 7 11 3 Haus1 8 12
Meine erste if- Bedingung¶
In [ ]:
# Wie alt bist du?
alter = 51
if alter < 20:
print("Du Teenager!!!")
elif 21 < alter < 50:
print("Du wirst auch nicht mehr jünger.")
else:
print("Ich zähle die Tage bis zur Rente.")
Ich zähle die Tage bis zur Rente.
Schleifen¶
In [ ]:
revar1 = 1
while True:
print(revar1)
revar1 += 2
if revar1 > 9:
break
1 3 5 7 9
In [ ]:
anzahl = 5
for i in range(10, anzahl - 1, -1): # von 10 bis 5 (einschließlich), rückwärts
# anzahl += 1 # würde hier nichts ändern, da range bei Schleifenstart festgelegt ist
print(i)
10 9 8 7 6 5
In [ ]:
z = 0
while True:
print(f"z = {z}")
z += 2
if z > 6:
break
z = 0 z = 2 z = 4 z = 6
Finden und Löschen von Missing-Values (NA)¶
In [ ]:
#from pydataset import data
titanic = data('titanic')
print(titanic.head()) # zeigt die ersten 5 Zeilen
class age sex survived 1 1st class adults man yes 2 1st class adults man yes 3 1st class adults man yes 4 1st class adults man yes 5 1st class adults man yes
In [ ]:
# Nur die ersten 10 Zeilen anzeigen (Vorschau)
titanic.head(10)
Out[ ]:
| class | age | sex | survived | |
|---|---|---|---|---|
| 1 | 1st class | adults | man | yes |
| 2 | 1st class | adults | man | yes |
| 3 | 1st class | adults | man | yes |
| 4 | 1st class | adults | man | yes |
| 5 | 1st class | adults | man | yes |
| 6 | 1st class | adults | man | yes |
| 7 | 1st class | adults | man | yes |
| 8 | 1st class | adults | man | yes |
| 9 | 1st class | adults | man | yes |
| 10 | 1st class | adults | man | yes |
In [ ]:
# Prüfen auf fehlende Werte in der Spalte 'age'
titanic['age'].isna()
Out[ ]:
1 False
2 False
3 False
4 False
5 False
...
1312 False
1313 False
1314 False
1315 False
1316 False
Name: age, Length: 1316, dtype: bool
In [ ]:
# Zählen der fehlenden Werte in der Spalte 'age'
titanic['age'].isna().sum()
Out[ ]:
np.int64(0)
In [ ]:
# Alle Zeilen mit fehlenden Werten löschen
titanic = titanic.dropna()
In [ ]:
# Alternativ: Nur Zeilen löschen, in denen 'age' fehlt
titanic = titanic.dropna(subset=['age'])
In [ ]:
# Vergleich vorher-nachher: Zeilenanzahl
titanic_original = data('titanic')
print("Vorher:", len(titanic_original))
print("Nachher:", len(titanic))
Vorher: 1316 Nachher: 1316
In [ ]:
import matplotlib.pyplot as plt
plt.hist(titanic['class'].dropna(), bins=20, color='skyblue', edgecolor='black')
plt.title("Class")
plt.xlabel("Class")
plt.ylabel("Anzahl")
plt.show()
Welcher Datentyp hat mein Variable?¶
Erzeuge neue Variable¶
In [ ]:
titanic = data('titanic')
In [ ]:
# Neue Variable: Erkennung ob Person erwachsen ist
titanic = data('titanic')
titanic['is_adults'] = titanic['age'] == "adults"
print(titanic)
class age sex survived
1 1st class adults man yes
2 1st class adults man yes
3 1st class adults man yes
4 1st class adults man yes
5 1st class adults man yes
... ... ... ... ...
1312 3rd class child women no
1313 3rd class child women no
1314 3rd class child women no
1315 3rd class child women no
1316 3rd class child women no
[1316 rows x 4 columns]
class age sex survived is_adults
1 1st class adults man yes True
2 1st class adults man yes True
3 1st class adults man yes True
4 1st class adults man yes True
5 1st class adults man yes True
... ... ... ... ... ...
1312 3rd class child women no False
1313 3rd class child women no False
1314 3rd class child women no False
1315 3rd class child women no False
1316 3rd class child women no False
[1316 rows x 5 columns]
Eine Spalte löschen¶
In [ ]:
# Spalte wieder löschen
titanicdrop = titanic.drop(columns=['is_adults']) # inplace=False
print(titanicdrop.head())
class age sex survived 1 1st class adults man yes 2 1st class adults man yes 3 1st class adults man yes 4 1st class adults man yes 5 1st class adults man yes
Zeilen löschen¶
In [ ]:
print(len(titanic)) # Anzahl der Zeilen
# Bestimmte Zeilen per Index löschen (z. B. Zeile 0 und 1)
titanic = titanic.drop(index=[1])
print(len(titanic)) # Anzahl der Zeilen
1316 1315
Umbenennen¶
Spalte umbenennen¶
In [ ]:
# Spalte umbenennen (z. B. 'survived' → 'überlebt')
titanic = data('titanic')
print(titanic.info())
titanic = titanic.rename(columns={"survived": "überlebt"})
print(titanic.info())
<class 'pandas.core.frame.DataFrame'> Index: 1316 entries, 1 to 1316 Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 class 1316 non-null object 1 age 1316 non-null object 2 sex 1316 non-null object 3 survived 1316 non-null object dtypes: object(4) memory usage: 51.4+ KB None <class 'pandas.core.frame.DataFrame'> Index: 1316 entries, 1 to 1316 Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 class 1316 non-null object 1 age 1316 non-null object 2 sex 1316 non-null object 3 überlebt 1316 non-null object dtypes: object(4) memory usage: 51.4+ KB None
In [ ]:
# Werte umkodieren (z. B. 'yes' → 'Ja', 'no' → 'Nein')
titanic["überlebt"] = titanic["überlebt"].map({"yes": "Ja", "no": "Nein"})
print(titanic.head(5))
class age sex überlebt
1 1st class adults man yes
2 1st class adults man yes
3 1st class adults man yes
4 1st class adults man yes
5 1st class adults man yes
class age sex überlebt
1 1st class adults man Ja
2 1st class adults man Ja
3 1st class adults man Ja
4 1st class adults man Ja
5 1st class adults man Ja
Datenauswahl¶
In [ ]:
import seaborn as sns
import pandas as pd
# Titanic-Daten laden
titanic = data('titanic')
titanic.head()
Out[ ]:
| class | age | sex | survived | |
|---|---|---|---|---|
| 1 | 1st class | adults | man | yes |
| 2 | 1st class | adults | man | yes |
| 3 | 1st class | adults | man | yes |
| 4 | 1st class | adults | man | yes |
| 5 | 1st class | adults | man | yes |
In [ ]:
# Datenauswahl – bestimmte Variablen extrahieren
neuedaten1 = titanic[["age", "class"]]
print("\n1. Auswahl bestimmter Variablen:")
print(neuedaten1.head())
1. Auswahl bestimmter Variablen:
age class
1 adults 1st class
2 adults 1st class
3 adults 1st class
4 adults 1st class
5 adults 1st class
In [ ]:
# Auswahl der zweiten Spalte (Index 1)
neuedaten2 = titanic.iloc[:, 1]
print("Auswahl der zweiten Spalte:")
print(neuedaten2.head())
Auswahl der zweiten Spalte: 1 adults 2 adults 3 adults 4 adults 5 adults Name: age, dtype: object
In [ ]:
# Filter: nur Erwachsene
print( len(titanic))
neuedaten3 = titanic[titanic["age"] == "adults"]
print("\nNur Erwachsene (age == 'adults'):")
print( len(neuedaten3))
1316 Nur Erwachsene (age == 'adults'): 1207
In [ ]:
# Filter: Erwachsene ODER weiblich
print( len(titanic))
neuedaten4 = titanic[(titanic["age"] == "adults") | (titanic["sex"] == "female") ]
print("\nNur Erwachsene (age == 'adults') oder weiblich:")
print( len(neuedaten4))
1316 Nur Erwachsene (age == 'adults') oder weiblich: 1207
In [ ]:
# Filter: Erwachsene UND weiblich
print( len(titanic))
neuedaten4 = titanic[(titanic["age"] == "adults") & (titanic["sex"] == "female") ]
print("\nNur Erwachsene (age == 'adults') und weiblich:")
print( len(neuedaten4))
1316 Nur Erwachsene (age == 'adults') und weiblich: 0