mirror of
https://github.com/freeCodeCamp/freeCodeCamp.git
synced 2026-03-10 01:01:16 -04:00
chore(i18n,learn): processed translations (#47330)
This commit is contained in:
camperbot
@@ -0,0 +1,47 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c14d
|
||||
title: 'Datenanalyse: Beispiel A'
|
||||
challengeType: 11
|
||||
videoId: nVAaxZ34khk
|
||||
bilibiliIds:
|
||||
aid: 590571151
|
||||
bvid: BV1sq4y1f7gr
|
||||
cid: 409002372
|
||||
dashedName: data-analysis-example-a
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
*Anstatt notebooks.ai zu verwenden, wie es im Video gezeigt wird, kannst du stattdessen Google Colab verwenden.*
|
||||
|
||||
Weitere Quellen:
|
||||
|
||||
- <a href="https://github.com/ine-rmotr-curriculum/FreeCodeCamp-Pandas-Real-Life-Example" target="_blank" rel="noopener noreferrer nofollow">Notebooks auf GitHub</a>
|
||||
- <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Wie man Notebooks über Github mit Google Colab öffnet.</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Was teilt uns die Form unseres Dataframes mit?
|
||||
|
||||
## --answers--
|
||||
|
||||
Die Größe des in den Speicher geladenen Dataframes in Gigabyte.
|
||||
|
||||
---
|
||||
|
||||
Wie viele Zeilen und Spalten unser Dataframe hat.
|
||||
|
||||
---
|
||||
|
||||
Wie viele Zeilen die Quelldaten vor dem Laden hatten.
|
||||
|
||||
---
|
||||
|
||||
Wie viele Spalten die Quelldaten vor dem Laden hatten.
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@@ -0,0 +1,43 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c14e
|
||||
title: 'Datenanalyse: Beispiel B'
|
||||
challengeType: 11
|
||||
videoId: 0kJz0q0pvgQ
|
||||
bilibiliIds:
|
||||
aid: 505593432
|
||||
bvid: BV1kg411c7M6
|
||||
cid: 409003530
|
||||
dashedName: data-analysis-example-b
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
*Anstatt notebooks.ai zu verwenden, wie es im Video gezeigt wird, kannst du stattdessen Google Colab verwenden.*
|
||||
|
||||
Weitere Quellen:
|
||||
|
||||
- <a href="https://github.com/ine-rmotr-curriculum/FreeCodeCamp-Pandas-Real-Life-Example" target="_blank" rel="noopener noreferrer nofollow">Notebooks auf GitHub</a>
|
||||
- <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Wie man Notebooks über Github mit Google Colab öffnet.</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Was erlaubt dir die `loc` Methode?
|
||||
|
||||
## --answers--
|
||||
|
||||
Abrufen einer Teilmenge von Zeilen und Spalten durch Bereitstellung von Integer-Argumenten für die Position.
|
||||
|
||||
---
|
||||
|
||||
Zugriff auf eine Gruppe von Zeilen und Spalten durch Angabe von Label-Argumenten.
|
||||
|
||||
---
|
||||
|
||||
Übermittelt die ersten `n`-Zeilen anhand des übergebenen Integer-Arguments.
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@@ -0,0 +1,62 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c15d
|
||||
title: Einführung in die Datenbereinigung
|
||||
challengeType: 11
|
||||
videoId: ovYNhnltVxY
|
||||
bilibiliIds:
|
||||
aid: 250574398
|
||||
bvid: BV1Pv411A7GN
|
||||
cid: 409018611
|
||||
dashedName: data-cleaning-introduction
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
*Anstatt, wie in dem Video gezeigt, notebooks.ai zu verwenden, kannst du auch Google Colab verwenden.*
|
||||
|
||||
Weitere Ressourcen:
|
||||
|
||||
- <a href="https://github.com/ine-rmotr-curriculum/data-cleaning-rmotr-freecodecamp" target="_blank" rel="noopener noreferrer nofollow">Notebooks auf GitHub</a>
|
||||
- <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Wie man Notebooks über Github mit Google Colab öffnet.</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Was wird der folgende Code ausgeben?
|
||||
|
||||
```py
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
|
||||
s = pd.Series(['a', 3, np.nan, 1, np.nan])
|
||||
|
||||
print(s.notnull().sum())
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
3
|
||||
|
||||
---
|
||||
|
||||
<pre>0 True
|
||||
1 True
|
||||
2 False
|
||||
3 True
|
||||
4 False
|
||||
dtype: bool</pre>
|
||||
|
||||
---
|
||||
|
||||
<pre>0 False
|
||||
1 False
|
||||
2 True
|
||||
3 False
|
||||
4 True
|
||||
dtype: bool</pre>
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@@ -0,0 +1,44 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c14c
|
||||
title: Einführung in die Datenanalyse
|
||||
challengeType: 11
|
||||
videoId: VJrP2FUzKP0
|
||||
bilibiliIds:
|
||||
aid: 378034466
|
||||
bvid: BV19f4y1c7nu
|
||||
cid: 409001487
|
||||
dashedName: introduction-to-data-analysis
|
||||
---
|
||||
|
||||
# --description--
|
||||
Unter Datenanalyse versteht man die Umwandlung ungeordneter Rohdaten in nützliche Erkenntnisse, indem die Daten bereinigt, umgewandelt, modifiziert und überprüft werden.
|
||||
|
||||
Weitere Ressourcen:
|
||||
|
||||
\- <a href="https://www.freecodecamp.org/news/what-is-data-analysis/" rel="noopener noreferrer nofollow">Nachrichtenartikel</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Welche der folgenden Antworten ist **nicht** Teil der Datenanalyse?
|
||||
|
||||
## --answers--
|
||||
|
||||
Erstellung statistischer Modelle und Datenvisualisierungen.
|
||||
|
||||
---
|
||||
|
||||
Auswahl einer gewünschten Schlussfolgerung für die Analyse.
|
||||
|
||||
---
|
||||
|
||||
Bereinigen falscher Werte und Entfernen ungültiger Daten.
|
||||
|
||||
---
|
||||
|
||||
Umwandeln von Daten in eine geeignete Datenstruktur.
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
@@ -0,0 +1,47 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c157
|
||||
title: Numpy-Algebra und Größe
|
||||
challengeType: 11
|
||||
videoId: XAT97YLOKD8
|
||||
bilibiliIds:
|
||||
aid: 250621433
|
||||
bvid: BV1hv41137uM
|
||||
cid: 409013128
|
||||
dashedName: numpy-algebra-and-size
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
*Anstatt, wie in dem Video gezeigt, notebooks.ai zu verwenden, kannst du auch Google Colab verwenden.*
|
||||
|
||||
Weitere Ressourcen:
|
||||
|
||||
- <a href="https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy" target="_blank" rel="noopener noreferrer nofollow">Notebooks auf GitHub</a>
|
||||
- <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Wie man Notebooks über Github mit Google Colab öffnet.</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Was ist die Beziehung zwischen der Größe von Objekten (wie Listen und Datentypen) im Speicher in Pythons Standardbibliothek und der NumPy Bibliothek? Was sind die Auswirkungen auf die Leistung?
|
||||
|
||||
## --answers--
|
||||
|
||||
Standard Python-Objekte benötigen viel mehr Speicher als NumPy-Objekte; Operationen an ähnlichen Standard-Python- und NumPy-Objekten benötigen etwa gleich viel Zeit.
|
||||
|
||||
---
|
||||
|
||||
NumPy-Objekte benötigen viel mehr Speicher als standardmäßige Python-Objekte; die Operationen an NumPy-Objekten sind im Vergleich zu ähnlichen Standard-Python-Objekten sehr schnell abgeschlossen.
|
||||
|
||||
---
|
||||
|
||||
NumPy-Objekte benötigen viel weniger Speicher als Standard-Python-Objekte; die Operationen an Standard-Python-Objekten sind im Vergleich zu ähnlichen NumPy-Objekten sehr schnell abeschlossen.
|
||||
|
||||
---
|
||||
|
||||
Standard-Python-Objekte benötigen mehr Speicher als NumPy-Objekte; Operationen mit NumPy-Objekten werden im Vergleich zu vergleichbaren Objekten in Standard-Python sehr schnell abgeschlossen.
|
||||
|
||||
## --video-solution--
|
||||
|
||||
4
|
||||
|
||||
@@ -0,0 +1,63 @@
|
||||
---
|
||||
id: 5e9a093a74c4063ca6f7c154
|
||||
title: Numpy Arrays
|
||||
challengeType: 11
|
||||
videoId: VDYVFHBL1AM
|
||||
bilibiliIds:
|
||||
aid: 890607366
|
||||
bvid: BV1zP4y1h7FR
|
||||
cid: 409011400
|
||||
dashedName: numpy-arrays
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
*Anstatt, wie in dem Video gezeigt, notebooks.ai zu verwenden, kannst du auch Google Colab verwenden.*
|
||||
|
||||
Weitere Ressourcen:
|
||||
|
||||
- <a href="https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy" target="_blank" rel="noopener noreferrer nofollow">Notebooks auf GitHub</a>
|
||||
- <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Wie man Notebooks von GitHub unter Verwendung von Google Colab öffnet.</a>
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Was wird der folgende Code ausgeben?
|
||||
|
||||
```py
|
||||
A = np.array([
|
||||
['a', 'b', 'c'],
|
||||
['d', 'e', 'f'],
|
||||
['g', 'h', 'i']
|
||||
])
|
||||
|
||||
print(A[:, :2])
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
```py
|
||||
[['a' 'b']]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
```py
|
||||
[['b' 'c']
|
||||
['e' 'f']
|
||||
['h' 'i']]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
```py
|
||||
[['a' 'b']
|
||||
['d' 'e']
|
||||
['g' 'h']]
|
||||
```
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
Reference in New Issue
Block a user