edit corelation.py and add hr_data_cleaned.csv

code/corelation.py

@@ -1,40 +1,50 @@
 import pandas as pd
 
-# Lade die CSV-Dateien
+# Schritt 1: Lade die HR-Daten (mit Semikolon separiert) und entferne 'bpm'
-# 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)
+# Zeige die ersten Zeilen der HR-Daten vor der Bereinigung
-sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
+print("HR-Daten (vor der Bereinigung):")
-
-# 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)
+# Entferne 'bpm' und konvertiere die Werte in numerische Daten
-# Erstelle eine neue Spalte 'avg_hr', die den Durchschnitt von 'Resting HR' und 'High HR' enthält
+hr_data['In Ruhe'] = hr_data['In Ruhe'].str.replace(' bpm', '').astype(float)
+hr_data['Hoch'] = hr_data['Hoch'].str.replace(' bpm', '').astype(float)
+
+# Zeige die bereinigten HR-Daten
+print("\nHR-Daten (nach der Entfernung von 'bpm'):")
+print(hr_data.head())
+
+# Speichere die bereinigten HR-Daten in eine neue CSV-Datei (Zwischendatei)
+hr_data.to_csv('hr_data_cleaned.csv', sep=';', index=False)
+print("\nBereinigte HR-Daten wurden in '/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_data_cleaned.csv' gespeichert.")
+
+# Schritt 2: Berechne den Durchschnitt der Herzfrequenzdaten (Resting HR und High HR)
 hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
 
-# Überprüfen der ersten Zeilen nach dem Hinzufügen der 'avg_hr' Spalte
+# Zeige die HR-Daten nach der Berechnung des Durchschnitts
 print("\nHR-Daten (nach der Berechnung des Durchschnitts):")
 print(hr_data.head())
 
-# Überprüfen der ersten Zeilen der Schlafdaten
+# Schritt 3: Lade die Schlafdaten (mit Komma separiert)
+sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
+
+# Zeige die Schlafdaten
 print("\nSchlafdaten:")
 print(sleep_data.head())
 
-# Sicherstellen, dass beide Datensätze nach Woche sortiert sind
+# Schritt 4: Sicherstellen, dass beide Datensätze nach 'week' 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
+# Schritt 5: Kombiniere die beiden Datensätze anhand der 'week' Spalte
 combined_data = pd.merge(hr_data, sleep_data, on='Datum')
 
-# Überprüfen der kombinierten Daten
+# Zeige die kombinierten Daten
 print("\nKombinierte Daten:")
 print(combined_data.head())
 
-# Berechne die Korrelation zwischen dem durchschnittlichen Herzfrequenzwert ('avg_hr') und der Schlafdauer ('sleep_duration')
+# Schritt 6: 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}")

code/hr_data_cleaned.csv

@@ -0,0 +1,53 @@
+Datum;In Ruhe;Hoch
+Okt 4-10;67.0;130.0
+Sep 27 - Okt 3;67.0;143.0
+Sep 20-26;66.0;149.0
+Sep 13-19;66.0;144.0
+Sep 6-12;62.0;132.0
+Aug 30 - Sep 5;64.0;141.0
+Aug 23-29;67.0;150.0
+Aug 16-22;63.0;143.0
+Aug 9-15;69.0;141.0
+Aug 2-8;67.0;140.0
+Jul 26 - Aug 1;67.0;147.0
+Jul 19-25;69.0;136.0
+Jul 12-18;66.0;151.0
+Jul 5-11;67.0;146.0
+Jun 28 - Jul 4;66.0;157.0
+Jun 21-27;64.0;141.0
+Jun 14-20;70.0;145.0
+Jun 7-13;69.0;134.0
+Mai 31 - Jun 6;70.0;139.0
+Mai 24-30;72.0;142.0
+Mai 17-23;72.0;135.0
+Mai 10-16;71.0;147.0
+Mai 3-9;73.0;142.0
+Apr 26 - Mai 2;69.0;151.0
+Apr 19-25;61.0;135.0
+Apr 12-18;58.0;140.0
+Apr 5-11;64.0;131.0
+Mrz 29 - Apr 4;63.0;139.0
+Mrz 22-28;65.0;135.0
+Mrz 15-21;66.0;137.0
+Mrz 8-14;62.0;136.0
+Mrz 1-7;70.0;134.0
+Feb 23-29;68.0;144.0
+Feb 16-22;71.0;132.0
+Feb 9-15;65.0;143.0
+Feb 2-8;66.0;133.0
+Jan 26 - Feb 1;59.0;142.0
+Jan 19-25;62.0;136.0
+Jan 12-18;60.0;134.0
+Jan 5-11;56.0;139.0
+Dez 29, 2023 - Jan 4, 2024;59.0;128.0
+Dez 22-28, 2023;52.0;124.0
+Dez 15-21, 2023;57.0;133.0
+Dez 8-14, 2023;65.0;133.0
+Dez 1-7, 2023;69.0;134.0
+Nov 24-30, 2023;68.0;139.0
+Nov 17-23, 2023;68.0;143.0
+Nov 10-16, 2023;64.0;144.0
+Nov 3-9, 2023;63.0;140.0
+Okt 27 - Nov 2, 2023;57.0;133.0
+Okt 20-26, 2023;55.0;138.0
+Okt 13-19, 2023;50.0;121.0