Programmierung | macOS | Linux | Windows
Bevor es an die Visualisierung von Daten geht, müssen diese häufig noch für die weitere Visualisierung (oder Datenanalyse) vorbereitet werden. Das kann beispielsweise daran liegen, dass das vorliegende Datenformat problematisch ist oder dass im Datenbestand Daten fehlen. Im folgenden Beispiele möchte ich Schritt für Schritt zeigen, wie man an bestimmte Probleme herangehen kann, genauer gesagt geht es hier um Probleme …
Zum Open-Source-Projekt Kiel_Open_Data ist ein neuer Datensatz hinzugekommen. Diesmal geht es um die Anzahl der Ehescheidungen in Kiel von 1988-2017 (realisiert als Liniendiagramm). Der Datensatz kann als CSV-Datei vom Open-Data-Portal der Stadt Kiel heruntergeladen werden. Werft einen Blick in das Github-Repository Kiel_Open_Data. Dort findet Ihr Jupyter Notebooks zu weiteren Datensätzen: Abfallaufkommen Arbeitslose Bevölkerungsentwicklung Güterumschlag im Hafen Ehescheidungen Fahrerfluchten Familienstand Bevölkerungsentwicklung …
Neben den Daten der Stadt Kiel, zu denen ich hier in unregelmäßigen Abständen Beispiele zur Visualisierung veröffentliche, gibt es im Internet selbstverständlich noch viel mehr Daten-Portale. In diesem Blog-Beitrag möchte ich den Datenbestand der FAO (Food and Agriculture Organisation of the United Nations) vorstellen. Ein Überblick dazu, bietet die Statistik-Seite der FAO. Als Beispiel soll nachfolgend die Weizen-Produktion in Europa …
Zum Open-Source-Repository Kiel_Open_Data ist ein weiteres Jupyter Notebook hinzugekommen: kiel_cargo_handling. Wie der Dateiname verrät geht es um den Güterumschlag im Hafen von Kiel (Einfuhr und Ausfuhr in Tonnen). Zum nachfolgenden Code mache ich hier keine weiteren Ausführungen und verweise stattdessen auf meine übrigen Artikel zu Python und dem Jupyter Notebook. Weiterführende Links CSV-Dateien mit Python einlesen JSON-Daten mit Python herunterladen …