Pinguine Plotten¶

In der folgenden Übung kannst du einige typische pandas-Befehle ausprobieren.

Aufgabe 1: Jupyter Notebooks¶

Installiere einige Bibliotheken:

pip install polars seaborn
pip install fastexcel xlsxwriter
pip install pyarrow

Jupyter starten¶

Starte nun die interaktive Jupyter-Umgebung. Diese eignet sich für die Datenanalyse deutlich besser als .py-Dateien. Gib dazu im Terminal ein:

jupyter notebook

Es sollte ein Browser-Fenster aufgehen. Erstelle ein neues Notebook mit dem Knopf New -> Python3

Aufgabe 2: Der Pinguin-Datensatz¶

Lade nun einen Datensatz über Pinguine aus der CSV-Datei penguins.csv. Füge folgenden Code in die oberste Zelle ein. Verwende den Ausführen-Knopf oder Umschalt+Enter:

import seaborn as sns
import polars as pl

df = pl.read_csv("penguins.csv")
df

Du solltest einen Auszug aus der Tabelle sehen.

Aufgabe 3: Dateninspektion¶

Probiere folgende Befehle einzeln:

df.head()
df.shape

Aufgabe 4: Speichern¶

Speichere die Daten wieder ab:

df.write_csv("pingus.csv")
df.write_excel("pingus.xlsx")

Aufgabe 5: Kategorien auszählen¶

Eine Spalte enthält die Spezies der Pinguine, eine kategorische Variable:

df["species"]

Schaue nach wie viele Pinguine jeder Art es im Datensatz gibt:

df["species"].value_counts()

Solche kurzen Daten lassen sich gut als Balkendiagramm darstellen:

count = df["species"].value_counts()
sns.barplot(data=count, x="species", y="count")

Aufgabe 6: Pivot-Tabellen¶

Du kannst auch nach einer Kategorie aggregieren:

df.group_by(by="species").mean()

Eine Aggregation nach zwei Kategorien nennt man eine Pivot-Tabelle:

piv = df.pivot(on="species", index="sex", values="bill_length_mm", aggregate_function="mean")
piv

Auch eine Pivot-Tabelle läßt sich plotten. Allerdings müssen wir die Daten dazu umsortieren:

df_long = piv.unpivot(index="sex", variable_name="species", value_name="bill_length")
df_long

und

sns.barplot(data=df_long, x="sex", y="bill_length", hue="species")

Aufgabe 7: Weitere Diagramme¶

Hier sind zwei weitere typische Darstellungsformen:

sns.scatterplot(data=df, x="bill_length_mm", y="bill_depth_mm", hue="species")

sns.boxplot(data=df, y="body_mass_g", hue="species", gap=0.1)