Use Case Programmierübung

Die explorative Datenanalyse (Exploratory Data Analysis, EDA) ist ein wesentlicher Schritt, um die Struktur, die Muster und mögliche Zusammenhänge in einem Datensatz zu verstehen. 

1. Überblick über den Datensatz verschaffen

Datensatz laden:

• • Importieren Sie den Datensatz in Python, z. B. mit Pandas:

  • import pandas as pd

    df = pd.read_csv("daten.csv")

Erste Zeilen anzeigen:

• Nutzen Sie df.head(), um sich die ersten Zeilen des Datensatzes anzusehen und ein Gefühl für die Struktur und den Inhalt zu bekommen.
• Verwenden Sie df.info(), um Informationen über die Anzahl der Zeilen, Spalten und die Datentypen zu erhalten
• Verwenden Sie df.shape um die Anzahl der Zeilen und Spalten zu sehen

2. Statistische Zusammenfassung erstellen

Daten analysieren:

• Nutzen Sie df.describe(), um zentrale statistische Maße wie Mittelwert, Median, Minimum und Maximum für numerische Spalten zu berechnen
• Kategorische Daten untersuchen: Nutzen Sie df['Spaltenname'].value_counts(), um die Häufigkeit der Werte in einer Spalte zu analysieren

3. Fehlende Werte identifizieren

• Nutzen Sie df.isnull().sum(), um zu sehen, wie viele fehlende Werte in jeder Spalte vorhanden sind

4. Datenverteilung visualisieren

Histogramme erstellen:

• Nutzen Sie df['Spaltenname'].hist(), um die Verteilung einer numerischen Spalte zu visualisieren
• Nutzen Sie Boxplots, um Ausreißer und die Verteilung zu untersuchen

• Prüfen Sie Korrelationen zwischen numerischen Spalten mit df.corr()

5. Einblicke und Auffälligkeiten notieren
Stellen Sie sich folgende Fragen:

• Gibt es unerwartete oder ungewöhnliche Werte?
• Gibt es Ausreißer, die möglicherweise korrigiert oder ignoriert werden sollten?
• Welche Muster und Trends erkennen Sie in den Daten?
• Dokumentieren Sie Ihre Beobachtungen in einem Notizbuch oder einer Datei, um später darauf zurückgreifen zu können

6. Daten für weitere Analysen vorbereiten
Daten bereinigen:

• Entfernen oder füllen Sie fehlende Werte, wenn notwendig mit df['Spaltenname'].fillna(df['Spaltenname'].mean(), inplace=True)

Nächste Schritte
Nachdem Sie die Daten durch die explorative Analyse besser verstanden haben, können Sie spezifische Fragestellungen oder Hypothesen testen und Ihre Erkenntnisse visualisieren. Denken Sie daran: Eine gute EDA ist die Basis für jede erfolgreiche Datenanalyse!

Aufgabe: Erstellen Sie Altersgruppen und untersuchen Sie, welche Gruppe die Smartwatches am intensivsten nutzt und welche am aktivsten ist. Berechnen Sie die Durchschnittswerte der Nutzungsdauer und der Schritte für jede Altersgruppe und visualisieren Sie die Ergebnisse.

Vorgehen:

1. Erstellen Sie Altersgruppen mit geeigneten Grenzen (z. B. 18–29 Jahre, 30–44 Jahre, 45–62 Jahre).
2. Gruppieren Sie die Daten basierend auf den Altersgruppen.
3. Berechnen Sie die Durchschnittswerte der Spalten Nutzungsdauer_Monate und Schritte_pro_Woche.
4. Visualisieren Sie die Ergebnisse mit einem Balkendiagramm.

# Schritt 1: Altersgruppen definieren

# Definieren Sie die Altersgruppen und verwenden Sie `pd.cut`, um die Spaltenwerte in Gruppen zu unterteilen

# Beispiel: bins = [18, 29, 44, 62] und labels = ['18–29 Jahre', '30–44 Jahre', '45–62 Jahre'] # Altersgruppen erstellen

# df['Altersgruppe'] = pd.cut(...)

# Schritt 2: Daten gruppieren

# Gruppieren Sie die Daten nach der neuen Spalte 'Altersgruppe' und berechnen Sie die Durchschnittswerte

# gruppen_statistik = df.groupby(...)[...].mean()

# Schritt 3: Ergebnisse visualisieren

# gruppen_statistik.plot(...)

# plt.title(...)

# plt.show()

Aufgabe: Untersuchen Sie, ob Nutzer mit höherem Aktivitätslevel eine bessere Schlafqualität haben. Gruppieren Sie die Daten nach Aktivitätslevel und berechnen Sie den Durchschnitt der Spalte Schlafqualität_Score. Stellen Sie die Ergebnisse in einem Diagramm dar.

Vorgehen:

1. Gruppieren Sie die Daten nach Aktivitätslevel.
2. Berechnen Sie den durchschnittlichen Schlafqualitäts-Score für jedes Aktivitätslevel.
3. Stellen Sie die Ergebnisse in einem Balkendiagramm dar.

# Schritt 1: Daten gruppieren
# Gruppieren Sie die Daten nach 'Aktivitätslevel' und berechnen Sie den Mittelwert der Spalte 'Schlafqualität_Score'
# schlaf_aktivitätslevel = df.groupby(...)[...].mean()

# Schritt 2: Ergebnisse visualisieren
# schlaf_aktivitätslevel.plot(kind='bar', ...)
# plt.title(...)
# plt.show()

Aufgabe: Vergleichen Sie die Nutzungsmuster (z. B. Nutzungsdauer, Bildschirmzeit, Schritte) der verschiedenen Smartwatch-Modelle. Berechnen Sie Durchschnittswerte für jede dieser Spalten und visualisieren Sie die Ergebnisse.

Vorgehen:

1. Gruppieren Sie die Daten nach Smartwatch.
2. Berechnen Sie die Durchschnittswerte für die Spalten Nutzungsdauer_Monate, Bildschirmzeit_Stunden und Schritte_pro_Woche.
3. Stellen Sie die Ergebnisse in einem Balkendiagramm dar.

# Schritt 1: Daten gruppieren
# Gruppieren Sie die Daten nach 'Smartwatch' und berechnen Sie die Mittelwerte der gewünschten Spalten
# nutzung_smartwatch = df.groupby(...)[[...]].mean()

# Schritt 2: Ergebnisse visualisieren
# nutzung_smartwatch.plot(kind='bar', ...)
# plt.title(...)
# plt.show()