Nachdem wir die 4 Grundkonzepte der Statistik erklärt haben, wollen wir Dir zeigen, wie Du mit Python eine Statistik-Auswertung durchführst. Wir verwenden dafür die bekannte Library „pandas„. Diese Library enthält eine ganze Reihe von Tools zur Statistik-Auswertung. Zudem kann pandas Tabellendaten aus sehr vielen verschiedenen Quellen einlesen. pandas kann tabellarische Daten aus SQL-Datenbanken, Excel-Sheets, Word-Dokumenten, HTML-Seiten und sogar Message Queues herunterladen und in einen „DataFrame“ übertragen. Sind die Daten erst einmal im DataFrame gespeichert, können sie dann mit von pandas vordefinierten Funktionen statistisch analysiert und ausgewertet werden.
Inhalt
Schritt 1: Installiere die Software für die Statistik-Auswertung
Python ist zwar eine sehr mächtige Programmiersprache, es enthält aber kein Programm, um eine Statistik-Auswertung zu machen. Zu diesem Zweck benötigen wir die pandas-Bibliothek. Diese muss mit dem „Package Installer for Python“ („pip„) installiert werden.
Stelle sicher, dass Pandas auf deinem System installiert ist. Falls nicht, kannst du es mit dem folgenden Befehl installieren:
pip install pandasDer Installationsprozess für die pandas-Library benötigt normalerweise sehr lange, weil hier sehr viele Softwarepakete zum Einsatz kommen.
Schritt 2: Importiere Pandas und Lese den Datensatz ein
Um nun die Pandas-Bibliothek in einem Python-Programm nutzen zu können, muss man sie zunächst importieren. Schreibe deshalb folgenden Befehl in Dein Python-Script.
import pandas as pdDies lädt die pandas-Bibliothek in Dein Python-Programm, so dass Du sie benutzen kannst. pandas enthält sehr viele Funktionen, um Daten einzulesen. Das können z. B. Textdateien sein oder Excel-Files. Wir benutzen zunächst einmal nur ein Excel-File, das die Daten aus der Bundesliga-Tabelle beinhaltet. Du kennst diese Tabelle aus dem Artikel über deskriptive Statistik.
Lade das Excel-File zunächst mal von hier herunter.
Mit dem folgenden Code kannst Du die Excel-Datei in einen „Dataframe“ laden.
# Passe den Dateipfad entsprechend an
dateipfad = 'mein_datensatz.xlsx'
# Lese den Datensatz in einen Pandas DataFrame ein
df = pd.read_excel(dateipfad)
# Gib die ersten paar Zeilen des DataFrames aus, um sicherzustellen, dass die Daten korrekt eingelesen wurden
print(df.head())3. Statistische Auswertungen:
a. Deskriptive Statistik:
Die wichtigsten Kennzahlen der deskriptiven Statistik sind Lagemasse und Streuungsmasse. In pandas kannst Du einen einfachen Befehl ausführen, welcher die wichtigsten Streuungs- und Lagemasse in einer Zusammenfassung ausgibt. Führe einfach den folgenden Code aus:
# Gib eine Zusammenfassung der deskriptiven Statistik aus
print(df.describe())Als Ausgabe siehst Du jetzt eine komplette Statistik-Auswertung.
b. Mittelwerte und Median:
Nun wollen wir den arithmetischen Mittelwert anzeigen. Hier nutzt Du einfach den Befehl df.mean(). Nun werden Dir die Mittelwerte aller Spalten angezeigt.
# Berechne den Mittelwert aller Spalten
print("Mittelwerte:") print(df.mean()) Die Berechnung des Median erfolgt ähnlich einfach. Nutze hierfür den Befehl df.median().
# Berechne den Median aller Spalten
print("\nMedian:")print(df.median())4. Visualisierung (Optional):
Um die Daten besser zu verstehen, kannst du Diagramme erstellen. Dafür kannst du Bibliotheken wie Matplotlib oder Seaborn verwenden.
import matplotlib.pyplot as plt
import seaborn as sns
# Beispiel: Histogramm einer bestimmten Spalte
sns.histplot(df['Tore'], bins=10, kde=True)
plt.title('Histogramm')
plt.show()Diese Anleitung sollte dir einen guten Einstieg bieten, um mit Pandas in Python zu arbeiten und Daten aus Excel-Dateien zu analysieren.
Ein Kommentar