Contents Menu Expand Light mode Dark mode Auto light/dark mode
Jupyter Tutorial 0.9.0
Logo
Jupyter Tutorial 0.9.0
  • Einführung
  • Erste Schritte
    • Jupyter Notebook installieren
    • Notebook erstellen
    • Beispiel
  • Arbeitsbereich
    • IPython
      • Starten der IPython-Shell
      • IPython-Beispiele
      • IPython-Magie
      • Shell-Befehle in IPython
      • Unix-Shell
        • Navigieren durch Dateien und Verzeichnisse
        • Dateien und Verzeichnisse erstellen, aktualisieren und löschen
        • Pipes und Filter
        • grep und find
        • Shell-Variablen
      • Objekte anzeigen mit display
      • foo.ipynb
      • Notebooks importieren
      • IPython-Erweiterungen
      • Fehleranalyse
    • Jupyter
      • Notebook
        • Jupyter Notebook installieren
        • Notebook erstellen
        • Tastaturkürzel
        • Jupyter-Pfade und -Konfiguration
      • JupyterHub
        • Installation
        • Konfiguration
        • Service nbviewer erstellen
      • nbconvert
      • nbviewer
      • Kernels
        • Kernel installieren, anzeigen und starten
        • Python2
        • Was ist neu in Python 3.8?
        • Was ist neu in Python 3.9?
        • Was ist neu in Python 3.10
        • R-Kernel
      • ipywidgets
        • Beispiele
        • Widget-Liste
        • Widget Events
        • Benutzerdefiniertes Widget
        • ipywidgets-Bibliotheken
          • ipycanvas
          • ipywebrtc
          • ipysheet
          • qgrid
          • ipyvuetify
          • ipympl
        • Einbetten von Jupyter-Widgets
      • nbextensions
        • Installation
        • Liste der Erweiterungen
        • Plugin erstellen
        • setup.ipynb
        • ipylayout
      • nbsphinx
      • Anwendungsbeispiele
    • NumPy
      • Einführung in NumPy
      • ndarray – ein N-dimensionales Array-Objekt
      • dtype
      • Arithmetik
      • Indizierung und Slicing
      • Transponieren von Arrays und Vertauschen von Achsen
      • Universelle Funktionen (ufunc)
      • Array-orientierte Programmierung – Vektorisierung
      • Bedingte Logik als Array-Operationen – where
      • Mathematische und statistische Methoden
      • Methoden für boolesche Arrays
      • Sortieren
      • unique und andere Mengenlogik
      • Dateieingabe und -ausgabe mit Arrays
    • pandas
      • Einführung in die Datenstrukturen von pandas
      • Python-Datenstrukturen in pandas überführen
      • Indexierung
      • Datum und Uhrzeit
      • Daten auswählen und filtern
      • Hinzufügen, Ändern und Löschen von Daten
      • Manipulation von Zeichenketten
      • Arithmetik
      • Deskriptive Statistik
      • Sortieren und Ranking
      • Unterteilen und Kategorisieren von Daten
      • Kombinieren und Zusammenführen von Datensätzen
      • Gruppenoperationen
      • Aggregation
      • Apply
      • Pivot-Tabellen und Kreuztabellen
      • dtype konvertieren
  • Daten lesen, speichern und bereitstellen
    • Open-Data
    • pandas IO tools
    • Serialisierungsformate
      • CSV
        • CSV-Beispiel
      • JSON
        • JSON-Beispiel
      • Excel
      • Pickle
        • Pickle-Beispiele
      • Protocol Buffers (Protobuf)
      • TOML
      • XML/HTML
        • XML/HTML-Beispiele
        • BeautifulSoup
      • YAML
      • Andere Formate
    • Intake
      • Intake installieren
      • Intake für die Datenwissenschaften
      • Intake-GUI : Erkunden von Daten in einer grafischen Oberfläche
      • Intake für das Data-Engineering
    • Requests
      • Requests Installation und Beispielanwendung
      • Modul erstellen
    • Entfernte Dateisysteme
    • Geodaten
    • PostgreSQL
      • Foreign Data Wrappers (FDW)
      • Prozedurale Programmiersprachen
      • DB-API 2.0
      • Psycopg
      • Objektrelationale Abbildung
      • SQLAlchemy
      • Alembic
      • ipython-sql
      • PostGIS
        • PostGIS installieren
        • Optimieren von PostgreSQL für GIS-Datenbankobjekte
        • Laden von Geodaten
      • Datenbank-Sicherheit
      • PostgreSQL-Performance
      • pgMonitor
      • pganalyze
    • NoSQL-Datenbanken
      • Schlüssel-Werte-Datenbanksysteme
      • Spaltenorientierte Datenbanksysteme
      • Dokumentenorientierte Datenbanksysteme
      • Graphdatenbanksysteme
      • Objektdatenbanksysteme
      • XML-Datenbanksysteme
    • Application Programming Interface (API)
      • FastAPI
        • Installation
        • Beispiel
        • Erweiterungen
      • gRPC
        • gRPC-Beispiel
        • gRPC testen
    • Glossar
  • Daten bereinigen und validieren
    • Verwalten fehlender Daten mit pandas
    • Erkennen und Filtern von Ausreißern
    • String-Vergleiche
    • Daten deduplizieren
    • Pandas DataFrame-Validierung mit Engarde
    • Pandas DataFrame-Validierung mit Bulwark
    • Hypothesis: Property -basiertes Testen
    • TDDA: Test-Driven Data Analysis
    • Datenvalidierung mit Voluptuous (Schemadefinitionen)
    • Normalisierung und Vorverarbeitung
    • Satelitendaten Geostandorten zuordnen
  • Daten visualisieren
  • Parametrisierung und Zeitplanung
  • Testen
    • Unittests
    • Doctests
    • Mock
    • unittest2
    • ipytest
    • Hypothesis
  • Performance-Messung und Optimierung
    • iPython Profiler
    • scalene
    • Einführung in die Nebenläufigkeit
    • Threading-Beispiel
    • Multi-Processing-Beispiel
    • Threading und Forking kombinieren
    • asyncio Beispiel
    • Pandas parallelisieren
    • ipyparallel
      • Installation
      • Überblick
      • Überprüfen der Installation
      • Konfiguration
      • IPython’s Direct-Interface
      • ipyparallel-Magic
      • Task-Interface
      • AsyncResult-Objekt
      • MPI
    • Dask
  • Produkt erstellen
    • Code verwalten mit Git
      • Git-Installation und -Konfiguration
      • Git pre-commit Hooks
      • Git für Jupyter Notebooks konfigurieren
      • Git-Tools für Notebooks
      • Arbeitsbereiche
      • Mit Git arbeiten
      • Git-Verzweigungen
      • Git Log
      • Git-Tagging
      • Änderungen zurücknehmen
      • Git Best Practices
      • Git-Workflows
        • Git flow und seine Probleme
        • Feature-Branches
        • Deployment und Release Branches
        • Branches & merge requests
        • Monorepos
      • git-big-picture
      • Regressionen finden mit git bisect
      • Git-Glossar
    • Daten verwalten mit DVC
      • Projekt erstellen
      • Pipelines
      • Parametrisierung
      • Versuchsmetriken
      • Pipelines anzeigen
      • Reproduzieren
      • Vim- und IDE-Integration
    • Umgebungen reproduzieren
      • Spack
        • Spack-Installation
        • Kombinatorische Builds
        • Vorteile der Build-Automatisierung
        • Use Case 1: Verwalten kombinatorischer Installationen
        • Use Case 2: Python und andere interpretierte Sprachen
        • Zukünftige Features
        • Spack verwenden
        • Environments, spack.yaml und spack.lock
        • Spack Mirrors
      • Pipenv
        • Installation
        • Nutzung
        • Deterministische Builds
        • Workflows
        • Umgebungsvariablen
        • Pipenv und Spack
      • devpi
      • Glossar
    • Programmbibliotheken und Pakete erstellen
    • Dokumentieren
    • Lizenzieren
    • Zitieren
      • Daten zitieren
      • Software zitieren
      • Software-Journale
    • Testen
    • Logging
      • Logging-Beispiele
    • Code-Qualität und Komplexität überprüfen und verbessern
      • flake8
      • check-manifest
      • Mypy
      • Pytype
      • Wily
      • PyRe
      • Pysa
      • Black
      • isort
      • prettier
      • Code-Smells und Anti-Patterns
      • Rope
  • Web-Applikationen erstellen
    • Dashboards
      • Jupyter Dashboards
        • Installation der Jupyter Dashboards
        • Dashboard-Layouts erstellen
        • Matplotlib-Beispiel
      • Appmode
        • app-example.ipynb
      • nbviewer
      • Panel
        • Installation
        • Überblick
        • Interaktionen
        • Widgets
        • Parametrisierung
        • Styling
        • Deploy und Export
        • Pipelines
        • Templates
      • Voilà
        • Installation und Nutzung
        • Templating
        • bqplot_vuetify_example.ipynb
        • debug.ipynb
      • jupyter-flex
  • Stichwortverzeichnis
  v: latest
Versions
latest
stable
Downloads
pdf
epub
On Read the Docs
Project Home
Builds
Back to top
Edit this page

Arbeitsbereich#

Das Einrichten des Arbeitsbereichs umfasst das Installieren und Konfigurieren von IPython, Jupyter mit nbextensions und ipywidgets sowie NumPy.

Next
IPython
Previous
Beispiel
Copyright © 2019–2022, Veit Schiele
Made with Sphinx and @pradyunsg's Furo