mirror of
https://github.com/freeCodeCamp/freeCodeCamp.git
synced 2026-03-08 04:04:11 -04:00
chore(i18n,learn): processed translations (#48105)
This commit is contained in:
camperbot
@@ -8,38 +8,38 @@ dashedName: medical-data-visualizer
|
||||
|
||||
# --description--
|
||||
|
||||
You will be <a href="https://replit.com/github/freeCodeCamp/boilerplate-medical-data-visualizer" target="_blank" rel="noopener noreferrer nofollow">working on this project with our Replit starter code</a>.
|
||||
Du wirst <a href="https://replit.com/github/freeCodeCamp/boilerplate-medical-data-visualizer" target="_blank" rel="noopener noreferrer nofollow">mit unserem Replit-Startercode an diesem Projekt arbeiten</a>.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
Wir sind noch dabei, den interaktiven Teil des Python-Kurses zu entwickeln. Hier sind erstmal einige Videos auf dem freeCodeCamp.org YouTube-Kanal, die dir alles beibringen, was du wissen musst, um dieses Projekt abzuschließen:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Videokurs: Python für jedermann</a> (14 Stunden)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 hours)
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">Wie man Daten mit Python-Pandas analysiert </a> (10 Stunden)
|
||||
|
||||
# --instructions--
|
||||
|
||||
In this project, you will visualize and make calculations from medical examination data using matplotlib, seaborn, and pandas. The dataset values were collected during medical examinations.
|
||||
In diesem Projekt wirst du mit Hilfe von matplotlib, seaborn und pandas Berechnungen aus medizinischen Untersuchungsdaten visualisieren und durchführen. Die Datensatzwerte wurden bei medizinischen Untersuchungen gesammelt.
|
||||
|
||||
## Data description
|
||||
## Datenbeschreibung
|
||||
|
||||
The rows in the dataset represent patients and the columns represent information like body measurements, results from various blood tests, and lifestyle choices. You will use the dataset to explore the relationship between cardiac disease, body measurements, blood markers, and lifestyle choices.
|
||||
Die Zeilen des Datensatzes repräsentieren Patienten und die Spalten stellen Informationen wie Körpermessungen, Ergebnisse verschiedener Bluttests und Lebensweisen dar. Du wirst den Datensatz verwenden, um die Beziehung zwischen Herzkrankheiten, Körpermessungen, Blutmarkern und Lebensweisen zu erforschen.
|
||||
|
||||
File name: medical_examination.csv
|
||||
Dateiname: medical_examination.csv
|
||||
|
||||
| Feature | Variable Type | Variable | Value Type |
|
||||
|:-------:|:------------:|:-------------:|:----------:|
|
||||
| Age | Objective Feature | `age` | int (days) |
|
||||
| Height | Objective Feature | `height` | int (cm) |
|
||||
| Weight | Objective Feature | `weight` | float (kg) |
|
||||
| Gender | Objective Feature | `gender` | categorical code |
|
||||
| Systolic blood pressure | Examination Feature | `ap_hi` | int |
|
||||
| Diastolic blood pressure | Examination Feature | `ap_lo` | int |
|
||||
| Cholesterol | Examination Feature | `cholesterol` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Glucose | Examination Feature | `gluc` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Smoking | Subjective Feature | `smoke` | binary |
|
||||
| Alcohol intake | Subjective Feature | `alco` | binary |
|
||||
| Physical activity | Subjective Feature | `active` | binary |
|
||||
| Presence or absence of cardiovascular disease | Target Variable | `cardio` | binary |
|
||||
| Merkmal | Variablentyp | Variable | Wert |
|
||||
|:----------------------------------------:|:-------------------:|:-------------:|:------------------------------------------------:|
|
||||
| Alter | Objective Feature | `age` | int (Tage) |
|
||||
| Größe | Objective Feature | `height` | int (cm) |
|
||||
| Gewicht | Objective Feature | `weight` | float (kg) |
|
||||
| Geschlecht | Objective Feature | `gender` | Kategorie-Code |
|
||||
| Systolischer Blutdruck | Examination Feature | `ap_hi` | int |
|
||||
| Diastolischer Blutdruck | Examination Feature | `ap_lo` | int |
|
||||
| Cholesterin | Examination Feature | `cholesterol` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Glucose | Examination Feature | `gluc` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Rauchen | Subjective Feature | `smoke` | binary |
|
||||
| Alkoholkonsum | Subjective Feature | `alco` | binary |
|
||||
| Körperliche Aktivität | Subjective Feature | `active` | binary |
|
||||
| Leiden unter Herz-Kreislauf-Erkrankungen | Target Variable | `cardio` | binary |
|
||||
|
||||
## Tasks
|
||||
|
||||
|
||||
@@ -8,45 +8,45 @@ dashedName: page-view-time-series-visualizer
|
||||
|
||||
# --description--
|
||||
|
||||
You will be <a href="https://replit.com/github/freeCodeCamp/boilerplate-page-view-time-series-visualizer" target="_blank" rel="noopener noreferrer nofollow">working on this project with our Replit starter code</a>.
|
||||
Du wirst <a href="https://replit.com/github/freeCodeCamp/boilerplate-page-view-time-series-visualizer" target="_blank" rel="noopener noreferrer nofollow">mit unserem Replit-Startercode</a> an diesem Projekt arbeiten.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
Wir sind noch dabei, den interaktiven Teil des Python-Kurses zu entwickeln. Hier sind erstmal einige Videos auf dem freeCodeCamp.org YouTube-Kanal, die dir alles beibringen, was du wissen musst, um dieses Projekt abzuschließen:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Videokurs: Python für jedermann</a>(14 Stunden)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 hours)
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">Wie man Daten mit Python-Pandas analysiert </a> (10 Stunden)
|
||||
|
||||
# --instructions--
|
||||
|
||||
For this project you will visualize time series data using a line chart, bar chart, and box plots. You will use Pandas, Matplotlib, and Seaborn to visualize a dataset containing the number of page views each day on the freeCodeCamp.org forum from 2016-05-09 to 2019-12-03. The data visualizations will help you understand the patterns in visits and identify yearly and monthly growth.
|
||||
Für dieses Projekt visualisierst du die Daten der Zeitserie mit Hilfe eines Liniendiagramms, Balkendiagramms und eines Boxplots. Du wirst Pandas, Matplotlib und Seaborn verwenden, um einen Datensatz zu visualisieren, der die Anzahl der täglichen FreeCodeCamp Seitenaufrufe vom 2016-05-09 bis 2019-12-03 enthält. Die Datenvisualisierungen wird dir helfen, die Muster bei Besuchen zu verstehen sowie das jährliche und monatliche Wachstum zu ermitteln.
|
||||
|
||||
Use the data to complete the following tasks:
|
||||
Benutze die Daten, um die folgenden Aufgaben abzuschließen:
|
||||
|
||||
- Use Pandas to import the data from "fcc-forum-pageviews.csv". Set the index to the `date` column.
|
||||
- Clean the data by filtering out days when the page views were in the top 2.5% of the dataset or bottom 2.5% of the dataset.
|
||||
- Create a `draw_line_plot` function that uses Matplotlib to draw a line chart similar to "examples/Figure_1.png". The title should be `Daily freeCodeCamp Forum Page Views 5/2016-12/2019`. The label on the x axis should be `Date` and the label on the y axis should be `Page Views`.
|
||||
- Create a `draw_bar_plot` function that draws a bar chart similar to "examples/Figure_2.png". It should show average daily page views for each month grouped by year. The legend should show month labels and have a title of `Months`. On the chart, the label on the x axis should be `Years` and the label on the y axis should be `Average Page Views`.
|
||||
- Create a `draw_box_plot` function that uses Seaborn to draw two adjacent box plots similar to "examples/Figure_3.png". These box plots should show how the values are distributed within a given year or month and how it compares over time. The title of the first chart should be `Year-wise Box Plot (Trend)` and the title of the second chart should be `Month-wise Box Plot (Seasonality)`. Make sure the month labels on bottom start at `Jan` and the x and y axis are labeled correctly. The boilerplate includes commands to prepare the data.
|
||||
- Benutze Pandas, um die Daten von "fcc-forum-pageviews.csv" zu importieren. Setze den Index auf die `date`-Spalte.
|
||||
- Bereinige die Daten, indem du Tage filterst, an denen die Seitenaufrufe in den oberen 2.5% oder unteren 2.5% des Datensatzes waren.
|
||||
- Erstelle eine `draw_line_plot` Funktion, die Matplotlib verwendet, um ein Liniendiagramm, ähnlich wie "examples/Figure_1.png", zu zeichnen. Der Titel sollte `Daily freeCodeCamp Forum Page Views 5/2016-12/2019` sein. Die Beschriftung der x-Achse sollte `Date` sein und die Beschriftung auf der y-Achse sollte `Page Views` lauten.
|
||||
- Erstelle eine `draw_bar_plot`-Funktion, die ein Balkendiagramm, ähnlich wie "examples/Figure_2.png", verwendet. Es sollte die durchschnittlichen täglichen Seitenaufrufe pro Monat nach Jahr anzeigen. Die Legende sollte Monatsbeschriftungen anzeigen und `Months` als Titel haben. Beim Diagramm sollte die Beschriftung der x-Achse `Years` lauten und die Beschriftung der y-Achse sollte `Average Page Views` lauten.
|
||||
- Erstelle eine `draw_box_plot`-Funktion, die Seaborn verwendet, um zwei angrenzende Boxplots, ähnlich wie "examples/Figure_3.png", zu zeichnen. Diese Boxplots sollten zeigen, wie die Werte innerhalb eines bestimmten Jahres oder Monats verteilt sind und wie sie im Laufe der Zeit abschneiden. Der Titel des ersten Diagramms sollte `Year-wise Box Plot (Trend)` lauten und der des zweiten Diagramms sollte `Month-wise Box Plot (Seasonality)` lauten. Stelle sicher, dass die Monatsbeschriftungen unten bei `Jan` starten und, dass die x- und y-Achse korrekt gekennzeichnet sind. Der Boilerplate-Code enthält auch Befehle zur Datenvorbereitung.
|
||||
|
||||
For each chart, make sure to use a copy of the data frame. Unit tests are written for you under `test_module.py`.
|
||||
Bitte verwende für jedes Diagramm eine Kopie des Dataframes. Unit-Tests werden für dich unter `test_module.py` geschrieben.
|
||||
|
||||
The boilerplate also includes commands to save and return the image.
|
||||
Der Boilerplate-Code enthält auch Befehle zum Speichern und Übermitteln des Bildes.
|
||||
|
||||
## Development
|
||||
## Entwicklung
|
||||
|
||||
For development, you can use `main.py` to test your functions. Click the "run" button and `main.py` will run.
|
||||
Für die Entwicklung kannst du `main.py` verwenden, um deinen Code zu testen. Klicke den "Run"-Button und `main.py` wird ausgeführt.
|
||||
|
||||
## Testing
|
||||
## Testen
|
||||
|
||||
We imported the tests from `test_module.py` to `main.py` for your convenience. The tests will run automatically whenever you hit the "run" button.
|
||||
Wir haben die Tests von `test_module.py` zu `main.py` bereits für dich importiert. Die Tests werden automatisch ausgeführt, wenn du auf den "Run"-Button klickst.
|
||||
|
||||
## Submitting
|
||||
## Absenden
|
||||
|
||||
Copy your project's URL and submit it to freeCodeCamp.
|
||||
Kopiere die URL deines Projekts und übermittle sie an freeCodeCamp.
|
||||
|
||||
# --hints--
|
||||
|
||||
It should pass all Python tests.
|
||||
Es sollte alle Python-Tests bestehen.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
@@ -45,6 +45,7 @@ We imported the tests from `test_module.py` to `main.py` for your convenience. T
|
||||
Copy your project's URL and submit it to freeCodeCamp.
|
||||
|
||||
## Data Source
|
||||
|
||||
<a href="https://datahub.io/core/sea-level-rise" target="_blank" rel="noopener noreferrer nofollow">Global Average Absolute Sea Level Change</a>, 1880-2014 from the US Environmental Protection Agency using data from CSIRO, 2015; NOAA, 2015.
|
||||
|
||||
|
||||
|
||||
Reference in New Issue
Block a user