Berechnungen nach einer Bedingung in unterschiedlicher Art und Weise durchzuführen, ist eine wichtige Technik des Data Scientist. Hier werden die 3 zentralen Techniken beschrieben, mit denen sich auf DataFrames bedingte Berechnungen durchführen lassen.
Diese kurze Turorial zeigt, wie elegant die Interaktion zwischen R und Javascript in dem Paket htmlwidgets umgesetzt ist. In wenigen Schritten lässt sich eigener Javascript-Code in ein R-Paket integrieren und in R-Shiny-Applikationen ausführen.
Jede py-Datei mit gültigem Python Code ist auch ein Modul und kann in eine Session importiert werden. Für den Import existieren dabei unterschiedliche Techniken. Je nach Methode kann die gesamte Datei importiert werden, oder nur einzelne Konstrukte aus dieser Datei – also ausgewählte Klassen, Funktionen oder Variablen. In den folgenden Beispielen werden die unterschiedlichen Importtechniken in Python vorgestellt.
In diesem Beitrag wird der in Python zentrale Datentyp Dictionary vorgestellt und dessen wesentliche Eigenschaften und Anwendungen beschrieben.
Python erlebte in den vergangenen Jahren einen rasanten Popularitätszuwachs. Der TIOBE Popularitätsindex von Programmiersprachen listete Python im Februar 2018 auf Platz 4. Auf Stack-Overflow ist Python zur meistgesuchten Sprache aufgestiegen. Die Gründe warum sich Python dieser Beliebtheit erfreut, erfahren Sie in diesem Beitrag.
Agile Methoden haben das klassische Projektmanagement abgelöst und Methoden wie Scrum werden insbesondere in der Data-Science angewendet. Wodurch sich Data-Science-Projekte im Speziellen auszeichnen und warum agile Ansätze geeignete Verfahren ihrer Projektsteuerung liefern, erfahren Sie in diesem Beitrag.
Mit dem Sternchenoperator stehen 2 flexible Varianten zur Parameterübergabe an Funktionen zur Verfügung. In diesem Beitrag erfahren Sie, auf welche Weise und zu welchem Zweck *args und **kwargs in Funktionsaufrufen eingesetzt werden.
Mit den Methoden apply, map und applymap können Funktionen in Python vektorwertig angewendet werden. Vektorwertig bedeutet, dass ein Objekt nicht Elementweise angesprochen wird, sondern, dass das gesamte Objekt in einem Prozessschritt transformiert wird. Insbesondere in Data-Science-Anwendungen ist ein vektorwertiger Programmierstil nützlich. In diesem Beitrag erfahren Sie mehr über vektorwertiges Programmieren und darüber, was die 3 Funktionen leisten und worin sie sich unterscheiden.
Soviel vorweg: Die Frage, ob es sich bei Python um eine Interpreter- oder eine Compilersprache handelt, ist nicht eindeutig zu beantworten. Zum einen weil die Definition von Compiler und Interpreter durch unterschiedlichste Technologien sehr verschwommen ist, zum anderen weil Python Grundelemente beider Sprachtypen besitzt. Die Antwort ‚beides‘ trifft es da vielleicht noch am besten. In diesem Beitrag geht es um die internen Python-Prozesse, wenn Quellcode ausgeführt wird.
Listen gehören zu den zentralen Objekttypen in Python und werden aufgrund ihrer Flexibilität und Performance gerne dazu verwendet, komplexe Informationen abzulegen. In diesem Beitrag erfahren Sie, wie mit Listen in Python umzugehen ist.