Einer Datentabelle Fragen stellen (pandas)

Ein Fahrradverleih speichert für jeden Tag des Jahres eine Zeile. Die Inhaberin will zwei Dinge wissen. Ist am Wochenende wirklich mehr los? Und an wie vielen Tagen wurden die Räder knapp?

Wer 365 Zeilen durchblättert, findet keine Antwort. Ein paar Zeilen pandas finden sie in Sekunden.

Klicken Sie in der Leiste der Lektion auf Lab starten und warten Sie, bis es läuft. Das Terminal daneben hat kein eigenes Python. Jede Schaltfläche Ausführen tippt docker exec jupyter und führt damit einen Befehl im Container des Labs aus.

Öffnen Sie JupyterLab über die Leiste und legen Sie ein neues Notebook an. Ein Block mit dem Titel Im Notebook eingeben gehört in eine Zelle. Auf dieser Seite läuft er nicht, denn ihr Python hat kein pandas.

pd.read_csv liest eine CSV-Datei in einen DataFrame. Die Spaltennamen stammen aus der ersten Zeile der Datei. Hier sind sie englisch, etwa weather für das Wetter und hires für die Ausleihen.

Eckige Klammern mit einem Namen wählen eine Spalte: ausleihen["rain_mm"] ist der Regen jedes Tages. Eine Spalte hat eigene Methoden wie max, mean und value_counts.

docker exec jupyter head -n 4 hires.csv

import pandas as pd

ausleihen = pd.read_csv("hires.csv")
# Eine Spalte: der Regen in Millimetern, Tag für Tag.
ausleihen["rain_mm"].max()

ausleihen["hires"] > 400 stellt jeder Zeile eine Frage. Die Antwort ist eine Spalte aus True und False.

Steht diese Antwort in ausleihen[...], behält pandas nur die Zeilen mit True. Zwei Prüfungen verbinden Sie mit & für „und“ oder | für „oder“. Jede Prüfung bekommt eigene Klammern.

docker exec jupyter python3 steps/filter.py

# Regentage, an denen trotzdem viel los war.
regen_voll = ausleihen[(ausleihen["weather"] == "rainy") & (ausleihen["hires"] >= 300)]
len(regen_voll)

ausleihen.groupby("weather")["hires"].median() macht drei Dinge. Es teilt die Zeilen nach dem Wetter auf. Es nimmt in jeder Gruppe die Spalte hires. Es bildet den Median jeder Gruppe.

Der Mittelwert wird von wenigen extremen Tagen verschoben, der Median kaum. Sehen Sie sich deshalb beide an. Der Modus passt zu einer Spalte aus Wörtern wie dem Wetter.

# Acht Tage Ausleihen an einer Station.
tage = [188, 240, 305, 240, 199, 412, 240, 276]

summe = 0
for wert in tage:
    summe = summe + wert
print("Mittelwert:", summe / len(tage))

sortiert = sorted(tage)
mitte = len(sortiert) // 2
print("Median:", (sortiert[mitte - 1] + sortiert[mitte]) / 2)
# Ersetzen Sie 412 durch 900 und starten Sie erneut.
# Welche der beiden Zahlen bewegt sich stärker?

docker exec jupyter python3 steps/weekend.py

# Der mittlere Tag für jede Wetterlage.
ausleihen.groupby("weather")["hires"].median()

Gruppieren Sie in Ihrem Notebook nach weekday und bilden Sie den Mittelwert von hires. Sortieren Sie das Ergebnis mit sort_values.

Stellen Sie danach eine eigene Frage mit einem Filter und einer Gruppierung zugleich. Zum Beispiel: Ist das Wochenende auch an Regentagen voller? Schreiben Sie Ihre Erwartung auf, bevor Sie die Zelle ausführen.