merge, join und concat in Pandas

Auch wenn es eine ausführliche Online-Dokumentation auf der Pandas-Homepage über die Join-Funktionen existiert, trägt diese nicht gerade dazu bei, sich schnell in die unterschiedlichen Methoden und Funktionen einzufinden. Dies liegt insbesondere daran, dass die offizielle Dokumentation sehr umfassend, viele spezielle Anwendungen aufführt. Mit diesem Artikel möchte ich einige wesentliche Aspekte auf den Punkt bringen und eine kleine Heurisitik bereitstellen, um zwischen den verschiedenen Möglichkeiten Daten miteinander zu verknüpfen die richtige auszuwählen.

Der Mechanismus if __name__ == ”__main__”

Heute soll es um die Konstruktion if __name__ == ”__main__” gehen. Wir werden sehen, was diese Kontrollstruktur inhaltlich aussagt und zu welchem Zweck sie eingesetzt werden kann.

Datumsinformationen verarbeiten mit datetime und Timestamp

Dieser Beitrag befasst sich mit dem Thema Datumsvariablen und den in Python implementierten Klassen für deren Bearbeitung. Mit den Bibliotheken datetime und pandas stehe 2 zentrale Pakete/Klassen zur Verfügung, über die Kalenderinformationen bearbeitet bzw. extrahiert werden können. Was die elementaren Anwendungen für Datumsvariablen sind, wie sich diese in Python umsetzen lassen und welche Vor- und Nachteile die unterschiedlichen Klassen haben, lesen Sie hier.

Getting started mit Reinforcement Learning und RLlib

Der Einsatz von Reinforcement Learning wird durch neue Software Bibliotheken immer einfacher. Vorgemacht hat dies schon Scikit-Learn für das Supervised Learning. Hierbei ist ein detailliertes Verständnis der einzelnen Algorithmen nicht mehr notwendig. Sobald man die Bibliothek und Supervised Learning verstanden hat, kann man mit aufbereiteten Daten loslegen. Denselben Weg wollen wir in diesem Blogbeitrag beschreiten: Wir werden verstehen, worum es sich bei Reinforcement Learning grundsätzlich handelt und die Werkzeuge für eine Implementierung in Python kennenlernen.

Bedingte Berechnungen in Pandas

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.

Importtechniken in Python

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.

Dictionaries in Python

In diesem Beitrag wird der in Python zentrale Datentyp Dictionary vorgestellt und dessen wesentliche Eigenschaften und Anwendungen beschrieben.

Gründe für Python

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.

*args und **kwargs

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.