Teil der Machine Learning-JourneyNeuJourneyDatenvisualisierung mit Python, NumPy und pandas
Arrays mit NumPy, Tabellen mit pandas und Diagramme mit matplotlib: das Werkzeug, mit dem jedes ML-Projekt beginnt. Schreib den Code, und dein Diagramm erscheint im Tab Diagramme.
60 Lektionen59 Aufgaben250 Quizfragen
- Anfängerfreundlich
KI-gestützte Coding-Hilfe
Praktische, interaktive Lektionen
Quizfragen zum Wissenstest
Kostenloses Abschlusszertifikat
Lehrplan
Dieser Abschnitt ist Teil der Machine Learning-Journey. Der vollständige Lehrplan enthält weitere Abschnitte: Klicke unten auf eine Vorschau, um sie auf der Journey-Seite anzusehen.
Abschnitt 1
Daten und Diagramme
Abschnitt startenStartenDas Toolkit, mit dem jedes Machine-Learning-Projekt beginnt: NumPy-Arrays, matplotlib-Diagramme und pandas-Tabellen. Lade echte Datensätze, fasse sie zusammen und visualisiere deine Ergebnisse.Einführung
4 Lektionen320NumPy-Arrays
5 Lektionen520Rechnen mit Arrays
6 Lektionen625Daten formen
4 Lektionen415Linien- und Streudiagramme
6 Lektionen625Diagramme für Daten
5 Lektionen520pandas DataFrames
6 Lektionen625Filtern und Sortieren
5 Lektionen520Gruppieren und Bereinigen
5 Lektionen520DataFrames visualisieren
5 Lektionen520Datensätze für ML
5 Lektionen520Abschließende Herausforderungen
4 Lektionen420- Abschnitt 2Statistik für ML64 Lektionen
- Abschnitt 3Überwachtes Lernen58 Lektionen
- Abschnitt 4Unüberwachtes Lernen51 Lektionen
Lernen durch Tun
Schreibe echten Code, frage Datenbanken ab, erstelle Websites und meistere KI-Prompts. Unsere interaktiven Lektionen decken alle Fähigkeiten ab, die moderne Entwickler brauchen.
Baue deine Serie auf
Bleib konsequent und sieh zu, wie dein Fortschritt wächst! Verfolge deine tägliche Programmiergewohnheit, schütze deine Serie mit Einfrieroptionen und verdiene Belohnungen für jeden Tag.
12 Tage Serie
Komm morgen zurück, um deine Serie zu halten!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Doppelt oder Nichts
Tag 5 von 7
Serie Einfrieren
2 left
Überall coden
Nimm deine Programmierreise mit! Keine Einrichtung, keine Downloads: einfach öffnen und loslegen. Verfügbar auf iOS, Android und Web mit 4,9-Sterne-Bewertungen.
Du bist nicht allein
Tritt auf globalen Bestenlisten an, lade Freunde ein, um Belohnungen zu verdienen, und feiert gemeinsam eure Erfolge. Programmieren macht mit Freunden mehr Spaß!
1
2
3
AufstiegszoneJeder Lernweg, alles dabei
Lies, höre, teste dich, frag die KI oder schlage nach, was du schon gelernt hast. Jede Lektion passt sich dir an.
Eine Variable ist ein benannter Container, der einen Wert speichert, auf den du später im Programm verweisen kannst.
In Python erstellst du eine, indem du den Namen, ein Gleichheitszeichen und dann den Wert schreibst.
Der Wert kann sich ändern. Eine neue Zuweisung verweist den Namen einfach auf einen neuen Wert.
Werde zertifiziert
Verdiene Zertifikate für jeden abgeschlossenen Kurs. Füge sie deinem LinkedIn-Profil und Lebenslauf hinzu, um Arbeitgebern deine Programmierkenntnisse zu zeigen.
AbschlusszertifikatPython-Grundlagen
Zu LinkedIn hinzufügenWarum du NumPy, pandas und matplotlib mit Coddy lernen solltest
- Dein Diagramm, sofort. Tipp
plt.plot(x, y), führ den Code aus, und die echte matplotlib-Grafik erscheint im Tab Diagramme neben deinem Code. Jede Lektion hat ein Diagramm oder eine Skizze, vom Array als nummerierte Kästchen bis zum groupby, das Zeilen auf Stapel sortiert. - NumPy so, wie ML es nutzt: Arrays und Shapes, Slicing, Rechnen mit ganzen Arrays, Statistik pro Achse, Broadcasting, boolesche Masken und Zufallszahlen mit Seed.
- matplotlib ab der ersten Zeile: Linien- und Streudiagramme, Beschriftungen und Legenden, Farben und Marker, Balkendiagramme, Histogramme, Diagramme nebeneinander mit
plt.subplotsund Arrays als Bilder. - pandas mit echten Tabellen: CSV-Dateien einlesen, auswählen, filtern, sortieren, neue Spalten,
value_counts,groupby, fehlende Werte und Plotten direkt aus einem DataFrame.
Häufige Fragen zu NumPy, pandas und matplotlib
Was ist der Unterschied zwischen NumPy, pandas und matplotlib?
NumPy hält Zahlen in schnellen Arrays und rechnet mit allen auf einmal. pandas baut auf NumPy Tabellen auf, mit benannten Spalten, CSV-Dateien, Filtern und Gruppieren. matplotlib zeichnet die Diagramme. Fast jedes Data-Science- oder Machine-Learning-Programm in Python importiert alle drei, deshalb lernst du sie in diesem Abschnitt zusammen.
Soll ich zuerst NumPy oder pandas lernen?
Kurz NumPy, dann pandas. Eine pandas-Spalte ist ein NumPy-Array mit Namen, also ergeben Masken, Rechnen mit ganzen Spalten und Statistik pro Achse Sinn, sobald du sie an Arrays gesehen hast. Der Abschnitt widmet NumPy vier Kapitel, wechselt dann mit diesem Wissen zu pandas und zeichnet die ganze Zeit Diagramme.
Muss ich etwas installieren, um Diagramme zu erstellen?
Nein. Dein Code läuft auf Coddy mit echtem matplotlib, und die gezeichnete Grafik kommt in den Tab Diagramme in deinem Browser zurück. Kein Jupyter Notebook und kein Anaconda einzurichten, also reicht auch ein Chromebook oder ein Arbeitslaptop ohne Adminrechte.
Welche Diagramme lerne ich zu erstellen?
Liniendiagramme, Streudiagramme, mehrere Linien mit Legende, Balkendiagramme, Histogramme, mehrere Diagramme in einer Grafik, Bilder aus Arrays, Diagramme direkt aus einem DataFrame, eine Farbe pro Gruppe und den Vergleich der Histogramme zweier Gruppen. Jedes mit Titel und Beschriftungen, bereit für einen Bericht.
Muss ich Python können, bevor ich NumPy und pandas lerne?
import und alles andere, was der Abschnitt braucht, wird in einem Satz erklärt, wo es zum ersten Mal auftaucht.Wie lange dauert es, NumPy, pandas und matplotlib zu lernen?
Ist dieser Kurs zur Datenvisualisierung mit Python kostenlos?
Ja. Die Lektionen, die Diagramme, die KI-Hinweise und das Abschnittszertifikat sind kostenlos. Mit einem kostenlosen Konto schaffst du ein paar Lektionen am Tag, und Pro hebt das Tageslimit auf.
