## CAP-Theorem

- • **Konsistenz (Consistency):** Alle Knoten zeigen zur gleichen Zeit die gleichen Daten an.
- **Verfügbarkeit (Availability):** Jeder Anfrage wird garantiert eine Antwort geliefert – auch wenn sie nicht den aktuellsten Stand widerspiegelt.
- **Partitionstoleranz (Partition Tolerance):** Das System funktioniert weiter, auch wenn Teile des Netzwerks ausfallen oder nicht miteinander kommunizieren können.
- **CA (Konsistenz + Verfügbarkeit):**
    Funktioniert nur ohne Netzwerkausfall.
    Beispiel: Einzelner MySQL-Server.
- **CP (Konsistenz + Partitionstoleranz):**
    Bleibt bei Ausfall konsistent, aber nicht immer erreichbar.
    Beispiel: HBase, MongoDB (strikte Konsistenz).
- **AP (Verfügbarkeit + Partitionstoleranz):**
    Immer erreichbar, aber Daten können kurz inkonsistent sein.
    Beispiel: Cassandra, DynamoDB.
```python
# --- Pandas ----------
pd.read_csv("path.csv") -> DataFrame          # CSV einlesen
pd.DataFrame(data) -> DataFrame               # DataFrame aus dict/array
df.head(), df.tail()                          # Erste/letzte Zeilen
df.info(), df.describe()                      # Überblick & Statistik
df.loc[row, col], df.iloc[row_idx, col_idx]   # Label- & Positionszugriff
df.groupby(keys).agg(func)                    # Gruppierung & Aggregation
pd.merge(left, right, on="col")               # Tabellen verbinden
df.pivot_table(values, index, columns, aggfunc="mean")  # Schnelles Pivottable
df.isna().sum(), df.fillna(value)             # Fehlende Werte prüfen/behandeln
df.sort_values(by="col"), df.sort_index()     # Sortieren
# --- NumPy ----------
np.array(data)                                # Array erstellen
np.arange(stop), np.linspace(start, stop, num) # Sequenzen
np.zeros(shape), np.ones(shape)               # Nullen/Einsen-Arrays
np.reshape(a, newshape)                       # Form ändern
np.mean(a), np.median(a), np.std(a)           # Statistiken
# --- Matplotlib ----------
import matplotlib.pyplot as plt
plt.figure(figsize=(6,4))                     # Figure erstellen
plt.plot(x, y, label="Linie")                 # Liniendiagramm
plt.scatter(x, y, c="r", label="Punkte")      # Streudiagramm
plt.bar(x, height, label="Balken")            # Balkendiagramm
plt.hist(data, bins=30, alpha=0.7)            # Histogramm
plt.axvline(x, color="k", ls="--")            # Vertikale Linie
plt.xlabel("x-Achse"); plt.ylabel("y-Achse")  # Achsenbeschriftung
plt.title("Titel"); plt.legend(); plt.tight_layout(); plt.show()
```