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.
Ist Python compiliert oder interpretiert?
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 in Python
Mengen in Python
Die Arbeiten mit Mengen gehört zu den wesentlichen Anwendungen in der Datenanalyse. In Python ist das zentrale Werkzeug um Mengen zu bearbeiten die Funktion set(). Der resultierende Objekttyp trägt wie die Funktion den Namen set. In diesem Beitrag erfahren Sie mehr über die Arbeit mit Mengen in Python.
Mutable und Immutable Objects
Missing Values in Pandas
Kreuztabellen in Pandas
Selektieren von Daten in DataFrames
Spalten / Zeilen erstellen, löschen und sortieren in pandas
Die Python Evolution zum Data-Science Tool
Guido van Rossum veröffentlichte Python im Jahr 1991, in einer Zeit als der Data-Science-Begriff noch nicht geboren war – und auch wenn Python als General-Purpose Sprache vielen Problemklassen zuzuordnen ist, hat sie sich als meistgenutzes Tool im Bereich Data Science etabliert. Doch wie ist es eigentlich zu dieser Entwicklung gekommen?