RFH/ProgrammierungUndDatenanalyse
2
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

Code fuer Hausarbeit f,g

Browse Source
This commit is contained in:
dev weycloud
2022-01-24 19:27:51 +01:00
parent a366886b6d
commit 842ae23630
1 changed files with 32 additions and 2 deletions
Download Patch File Download Diff File Expand all files Collapse all files

34
Hausarbeit/mobile_device_data.py
View File

@@ -71,7 +71,10 @@ dfUnivariateAnalyse.to_csv('UnivariateAnalyse.csv')
### d) Balkendiagramme
# Arbeitstabelle erzeugen, die nur die Spalten der nominalen Merkmale enthält:
dfNominaleMerkmale = df[["bluetooth", "dual_sim", "4G"]].astype(int) # inkl. Typenumwandlung zur Ganzzahl (int)
# inkl. Typenumwandlung zur Ganzzahl: .astype(int)
dfNominaleMerkmale = df[["bluetooth", "dual_sim", "4G"]].astype(int)
# print(df["bluetooth"].value_counts())
# Jetzt Abwechselnd:
# ___Yes = Extrahieren der Datensätze mit Merkmalsausprägung 1 (yes)
@@ -104,7 +107,7 @@ dfAnzahlYesNo = pd.DataFrame({'yes': anzahlYes, 'no': anzahlNo}, index=index)
# Für dieses Dataframe ein Balkendiagramm erzeugen, mit Rotation=0
dfAnzahlYesNo.plot.bar()
plt.show()
#plt.show()
@@ -127,6 +130,7 @@ arrYpredicted = steigung * werteListeX + yAchsAbschn # using y = m*x + n,
print("Regressionsgleichung:", "y =", steigung, "* x +", yAchsAbschn)
# Plot Linear Regression Line
plt.clf() # Clear last plot image
plt.plot(werteListeX, arrYpredicted, label='Lin Regression', color='red', linestyle='solid') # https://scriptverse.academy/tutorials/python-matplotlib-plot-straight-line.html
# Show Plot Image
plt.xlabel('ram', color='black')
@@ -136,3 +140,29 @@ plt.scatter(werteListeX, werteListeY)
#plt.show()
### f) Skalierung in [0, 1]
dfMetrischeMerkmale["battery_power_skaliert"] = dfMetrischeMerkmale["battery_power"] / dfMetrischeMerkmale["battery_power"].max()
dfMetrischeMerkmale["int_memory_skaliert"] = dfMetrischeMerkmale["int_memory"] / dfMetrischeMerkmale["int_memory"].max()
dfMetrischeMerkmale["ram_skaliert"] = dfMetrischeMerkmale["ram"] / dfMetrischeMerkmale["ram"].max()
# print(dfMetrischeMerkmale)
# battery_power int_memory ... int_memory_skaliert ram_skaliert
# 0 1043 5 ... 0.078125 0.874245
# 1 841 61 ... 0.953125 0.979628
# 2 1807 27 ... 0.421875 0.602616
# ...
### g) Boxplots
plt.clf() # Clear last plot image
plt.close('all')
plt.boxplot(dfMetrischeMerkmale["battery_power"], showfliers=True)
plt.show()
#dfMetrischeMerkmale.boxplot("battery_power", showfliers=True, backend="matplotlib")
#plt.show()
plt.clf() # Clear last plot image
dfMetrischeMerkmale.boxplot("int_memory", showfliers=True)
plt.show()
plt.clf() # Clear last plot image
dfMetrischeMerkmale.boxplot("ram", showfliers=True)
plt.show()