adding corelation.py, corelation_old.py, README.md, hr_gramic.csv and sleep_gramic.csv
This commit is contained in:
1 parent
8d575f2d56
commit
bee98b90da
6 files changed
+218
-1
No files matched your search
@@ -0,0 +1,40 @@
|
||||
import pandas as pd
|
||||
|
||||
# Lade die CSV-Dateien
|
||||
# Datei 1 mit Semikolon (;) separiert (HR-Daten)
|
||||
hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv', sep=';')
|
||||
|
||||
# Datei 2 mit Komma (,) separiert (Schlafdaten)
|
||||
sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
|
||||
|
||||
# Überprüfen der ersten Zeilen der Dateien
|
||||
print("HR-Daten (vor der Berechnung des Durchschnitts):")
|
||||
print(hr_data.head())
|
||||
|
||||
# Berechne den Durchschnitt der HR-Daten (zwischen Ruhe und Hoch)
|
||||
# Erstelle eine neue Spalte 'avg_hr', die den Durchschnitt von 'Resting HR' und 'High HR' enthält
|
||||
hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
|
||||
|
||||
# Überprüfen der ersten Zeilen nach dem Hinzufügen der 'avg_hr' Spalte
|
||||
print("\nHR-Daten (nach der Berechnung des Durchschnitts):")
|
||||
print(hr_data.head())
|
||||
|
||||
# Überprüfen der ersten Zeilen der Schlafdaten
|
||||
print("\nSchlafdaten:")
|
||||
print(sleep_data.head())
|
||||
|
||||
# Sicherstellen, dass beide Datensätze nach Woche sortiert sind
|
||||
hr_data = hr_data.sort_values(by='Datum')
|
||||
sleep_data = sleep_data.sort_values(by='Datum')
|
||||
|
||||
# Kombinieren der beiden Datensätze anhand der 'week' Spalte
|
||||
combined_data = pd.merge(hr_data, sleep_data, on='Datum')
|
||||
|
||||
# Überprüfen der kombinierten Daten
|
||||
print("\nKombinierte Daten:")
|
||||
print(combined_data.head())
|
||||
|
||||
# Berechne die Korrelation zwischen dem durchschnittlichen Herzfrequenzwert ('avg_hr') und der Schlafdauer ('sleep_duration')
|
||||
correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
|
||||
|
||||
print(f"\nDie Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")
|
||||
@@ -0,0 +1,35 @@
|
||||
import pandas as pd
|
||||
|
||||
# Lade die CSV-Dateien
|
||||
# Datei 1 mit Semikolon (;) separiert (HR-Daten)
|
||||
hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv', sep=';')
|
||||
|
||||
# Datei 2 mit Komma (,) separiert (Schlafdaten)
|
||||
sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
|
||||
|
||||
# Überprüfen der ersten Zeilen der Dateien
|
||||
print("HR-Daten:")
|
||||
print(hr_data.head())
|
||||
|
||||
print("\nSchlafdaten:")
|
||||
print(sleep_data.head())
|
||||
|
||||
# Annahme: Beide Datensätze enthalten eine Spalte für Wochen (z.B. 'week')
|
||||
# und die jeweiligen Werte (z.B. 'avg_hr' für Herzfrequenz und 'sleep_duration' für Schlafdauer)
|
||||
|
||||
# Sicherstellen, dass beide Datensätze nach Woche sortiert sind
|
||||
hr_data = hr_data.sort_values(by='Datum')
|
||||
sleep_data = sleep_data.sort_values(by='week')
|
||||
|
||||
# Kombinieren der beiden Datensätze anhand der 'week' Spalte
|
||||
combined_data = pd.merge(hr_data, sleep_data, on='Datum')
|
||||
|
||||
# Überprüfen der kombinierten Daten
|
||||
print("\nKombinierte Daten:")
|
||||
print(combined_data.head())
|
||||
|
||||
# Berechne die Korrelation zwischen der durchschnittlichen Herzfrequenz (z.B. 'avg_hr')
|
||||
# und der Schlafdauer (z.B. 'sleep_duration')
|
||||
correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
|
||||
|
||||
print(f"\nDie Korrelation zwischen der Herzfrequenz und der Schlafdauer ist: {correlation}")
|
||||
@@ -0,0 +1,21 @@
|
||||
import requests
|
||||
from bs4 import BeautifulSoup
|
||||
import queue
|
||||
import re
|
||||
import time
|
||||
import random
|
||||
|
||||
urls = queue.PriorityQueue()
|
||||
urls.put((0.5, "https://www.scrapingcourse.com/ecommerce/"))
|
||||
visited_urls = []
|
||||
|
||||
while not urls.empty():
|
||||
_, current_url = urls.get()
|
||||
soup = BeautifulSoup(get_html(current_url), "html.parser")
|
||||
|
||||
visited_urls.append(current_url)
|
||||
crawl_page(soup, current_url, visited_urls, urls)
|
||||
|
||||
# if it is a product page:
|
||||
# scrape_page(soup, url, products)
|
||||
time.sleep(random.uniform(1, 3))
|
||||
Reference in new issue
Block a user