Das Video führt in die explorative Datenanalyse in Python ein.
Zeitplan & Daten-Download-Link
(Python 3.7)
00:00 - Willkommen
00:09 - Voraussetzungen
00:50 - Gliederung des Videos
02:14 - Was ist explorative Datenanalyse?
04:28 - Jupyter Notebook öffnen
04:48 - .csv-Datei lesen
06:35 - Über die Daten
06:54 - Vorverarbeitung
07:33 - Typ und Beschreibung der Daten in den Spalten mit .dtypes()
10:26 - Fehlende Daten finden und leere Zellen ausfüllen
12:33 - Daten visualisieren
12:43 - Diskussion darüber, was die Spalten aussagen könnten? df.iloc[0]
14:29 - Verwenden von .unique(), um einzigartige Elemente aus den Spalten zu erhalten
15:13 - Diskussion darüber, wie man .min() und .max() verwendet, um Wertebereiche in den Spalten zu erhalten?
19:37 - Diskussion darüber, wie man ein DataFrame filtert, um eine interessante Teilmenge zu erhalten
23:52 - Diskussion über das Finden von Trends, Erstellen von Streudiagrammen
26:14 - Diskussion darüber, wie man .groupby() verwendet, um Einblicke in die Daten zu erhalten
29:57 - Spalte nach .reset_index() umbenennen
30:26 - Diskussion darüber, wie man Balkendiagramme verwendet, um Einblicke in die Daten zu erhalten
34:04 - Erstellen mehrerer Balkendiagramme mit Subplots
38:40 - Diskussion darüber, was die Balkendiagramme über die Daten aussagen
39:40 - Diskussion und Filterung des DataFrames, um die Suche nach Parametern weiter einzugrenzen
47:19 - Erwähnung von Korrelation und Störfaktoren
48:20 - Diskussion und Darstellung von Histogrammen, um die Verteilung der Daten in einer Spalte zu sehen
54:26 - Abschließende Anmerkungen
Link zum Herunterladen der Datei 'restaurant_data.csv'
Danke.