Python in der Praxis - Codebeispiele aus dem Entwickleralltag

Ein Blog von Freelancern aus der Schweiz

Neueste Beiträge

Der CodeProfi - Einführung in pandas DataFrames und Series

Veröffentlicht am 28.08.2026

Pandas ist eine der mächtigsten und am häufigsten verwendeten Bibliotheken für Datenanalyse in der Programmiersprache Python. Es bietet Strukturen und Funktionen, die speziell für die Arbeit mit "relationalen" oder "gelabelten" Daten entwickelt wurden. Die Kernstrukturen von pandas sind die DataFrames und Series, die es ermöglichen, komplexe Datenoperationen effizient und intuitiv durchzuführen. Ein DataFrame kann als eine Tabelle betrachtet werden, ähnlich wie in einer Datenbank oder einem Excel-Spreadsheet. Es besteht aus Zeilen und Spalten, wobei jede Spalte einen bestimmten Datentyp haben kann. Diese Struktur ermöglicht es, Daten auf eine leicht verständliche Weise zu organisieren, zu analysieren und zu manipulieren. Jedes Element in einem DataFrame kann auf Basis seiner Zeilen- und Spaltenbeschriftung angesprochen werden, was die Navigation innerhalb grosser Datensätze erheblich vereinfacht....

Zum vollständigen Artikel


Der CodeProfi - Scipy Spatial: Arbeiten mit KD-Trees und Raumsuche

Veröffentlicht am 21.08.2026

Die Welt der Datenwissenschaft und numerischen Analysen bietet eine Fülle von Werkzeugen, um komplexe Berechnungen effizient durchzuführen. Eines dieser Werkzeuge ist das SciPy-Bibliothekspaket, das für seine robuste Sammlung wissenschaftlicher und numerischer Algorithmen bekannt ist. Innerhalb dieser Bibliothek ist das Modul scipy.spatial von besonderem Interesse, wenn es um die Verarbeitung und Analyse geometrischer Daten geht. Ein wichtiges Feature dieses Moduls ist die Möglichkeit, mit KD-Trees (K-Dimensional Trees) zu arbeiten, die essenzielle Strukturen für die effiziente Durchführung von Raumsuchen darstellen. KD-Trees sind binäre Suchbäume, die speziell für die Partitionierung eines k-dimensionalen Raums entwickelt wurden. Sie sind ein fundamentales Datenstrukturkonzept, das häufig in Anwendungen der rechnergestützten Geometrie und der maschinellen Lernverfahren eingesetzt wird. Der Hauptvorteil von KD-Trees liegt in ihrer Fähigkeit, Suchoperationen wie das Finden der nächsten Nachbarn in logarithmischer Zeit im Durchschnitt durchzuführen, was sie für grosse Datensätze besonders effizient macht....

Zum vollständigen Artikel


Der CodeProfi - Grundlagen von matplotlib: Linienplots, Scatterplots, Balkendiagramme

Veröffentlicht am 14.08.2026

Matplotlib ist eine der am häufigsten verwendeten Bibliotheken für die Datenvisualisierung in der Programmiersprache Python. Sie bietet eine breite Palette von Möglichkeiten, um Daten grafisch darzustellen und ist besonders beliebt wegen ihrer Vielseitigkeit und Anpassungsfähigkeit. Egal, ob es sich um einfache Linienplots, komplexe Scatterplots oder informative Balkendiagramme handelt, Matplotlib liefert die Werkzeuge, um Daten auf eine für den Betrachter leicht verständliche Weise zu präsentieren. Die Fähigkeit, Daten visuell zu analysieren, ist ein wesentlicher Bestandteil der Datenwissenschaft und der analytischen Berichterstattung. Matplotlib bietet dabei nicht nur eine Plattform zur Erstellung von Diagrammen, sondern auch die Flexibilität, diese an spezifische Anforderungen anzupassen. Durch die Kombination mit anderen Bibliotheken wie NumPy und Pandas wird Matplotlib zu einem unverzichtbaren Werkzeug für jeden, der sich mit der Datenanalyse und -darstellung beschäftigt....

Zum vollständigen Artikel


Alle Artikel

Der CodeProfi - 3D-Plots erstellen mit mplot3d
19.09.2025
Der CodeProfi - Arbeiten mit Flask SQLAlchemy ORM
12.01.2026
Der CodeProfi - Automatisiertes Reporting: pandas → Matplotlib → PDF exportieren
17.04.2026
Der CodeProfi - Beschleunigung von Python-Funktionen mit @jit Dekorator in Numba
05.09.2025
Der CodeProfi - Bildbearbeitung mit scipy.ndimage
29.05.2026
Der CodeProfi - Custom Typen in Numba: StructRef Beispiele
07.08.2026
Der CodeProfi - DataFrame Selektion, Filtern und Slicing
31.03.2026
Der CodeProfi - Daten-Streaming und Bearbeitung in Echtzeit mit Flask-SSE
12.06.2026
Der CodeProfi - Daten hochladen und speichern mit Flask (File Uploads)
04.07.2025
Der CodeProfi - Datenvisualisierung direkt mit pandas plot()
09.06.2025
Der CodeProfi - Daten zusammenführen: Merge, Join, Concat in pandas
18.08.2025
Der CodeProfi - Deployment einer Flask-App auf einem Linux-Server (Gunicorn + Nginx)
24.04.2026
Der CodeProfi - Dynamisches Dashboard mit Flask, pandas und Plotly
22.08.2025
Der CodeProfi - Effizientes Lesen großer CSV-Dateien mit Pandas
03.07.2026
Der CodeProfi - Einfache Hintergrundjobs mit Celery und Redis Queue
11.08.2025
Der CodeProfi - Einführung in NumPy Arrays und deren Grundoperationen
25.07.2025
Der CodeProfi - Einführung in pandas DataFrames und Series
28.08.2026
Der CodeProfi - Erstellen einer Admin-UI mit Flask-Admin
14.07.2025
Der CodeProfi - Erstellen einer einfachen REST API mit Flask
22.09.2025
Der CodeProfi - Fehlende Werte behandeln und interpolieren
08.05.2026
Der CodeProfi - Flask und WebSockets: Realtime-Kommunikation
01.08.2025
Der CodeProfi - Formulare und Validierung mit Flask-WTF
06.04.2026
Der CodeProfi - Grundlagen von matplotlib: Linienplots, Scatterplots, Balkendiagramme
14.08.2026
Der CodeProfi - High-Frequency Financial Data Analysis mit Pandas und Numba
07.11.2025
Der CodeProfi - High-Performance Machine Learning Preprocessing mit Numba
10.10.2025
Der CodeProfi - Implementieren von Algorithmen in reinem Numba ohne NumPy
15.09.2025
Der CodeProfi - Integration von Celery in eine Flask-REST-API
03.10.2025
Der CodeProfi - Integration von matplotlib in Flask-Webapps (Dynamische Plots)
07.07.2025
Der CodeProfi - Interaktive Plots mit matplotlib und Jupyter Notebooks
10.04.2026
Der CodeProfi - Live-Datenvisualisierung von Sensoren in Flask-Webapps
22.05.2026
Der CodeProfi - Matplotlib Animationen: Zeitreihen dynamisch darstellen
20.04.2026
Der CodeProfi - Memory-Effizienz in NumPy: Views vs. Kopien
08.09.2025
Der CodeProfi - Monitoring und Verwaltung von Tasks mit Flower Dashboard
18.07.2025
Der CodeProfi - MultiIndex-Strukturen in pandas verstehen und verwenden
06.06.2025
Der CodeProfi - Numba für numerische Simulationen einsetzen
15.05.2026
Der CodeProfi - Optimieren von pandas-Workflows für große Datenmengen
27.04.2026
Der CodeProfi - Optimierung von Algorithmen durch NumPy Structured Arrays
13.10.2025
Der CodeProfi - Parallelisierte Datenanalyse: Numba + Pandas
03.04.2026
Der CodeProfi - Parallelisierung mit Numba's prange
19.05.2025
Der CodeProfi - Plot-Styles und Themes in Matplotlib anpassen
01.05.2026
Der CodeProfi - Retry-Mechanismen und Fehlertoleranz in Celery Tasks
23.06.2025
Der CodeProfi - Scipy Optimierungsprobleme in Flask APIs einbauen
31.07.2026
Der CodeProfi - Scipy Spatial: Arbeiten mit KD-Trees und Raumsuche
21.08.2026
Der CodeProfi - Sichere Task-Serialisierung und Übertragung (kombiniert mit JWT/Secrets)
09.05.2025
Der CodeProfi - Signalverarbeitung mit scipy.signal
05.06.2026
Der CodeProfi - Sparse-Matrizen und lineare Systeme mit scipy.sparse
02.05.2025
Der CodeProfi - Speichern von Ergebnissen mit Celery-Backends (Redis, DB)
29.08.2025
Der CodeProfi - Statistische Analyse und Tests mit scipy.stats
10.07.2026
Der CodeProfi - Tipps zur Fehlersuche bei Numba-optimierten Funktionen
24.07.2026
Der CodeProfi - User-Authentifizierung und Login-System mit Flask-Login
19.06.2026
Der CodeProfi - Vektorisierung vs. Schleifen in NumPy: Performance-Vergleich
26.06.2026
Der CodeProfi - Vergleich von Numba JIT und Cython
21.07.2025
Der CodeProfi - Verkettung und Gruppierung komplexer Tasks (Chains, Chords)
01.09.2025
Der CodeProfi - Verteilte Aufgabenplanung: Celery Worker über mehrere Server
30.05.2025
Der CodeProfi - Zeitreihenanalyse mit pandas datetime
04.08.2025

Datenschutzerklärung

Verantworlich für den Inhalt: Felix Fehlmann, General-Wille-Strasse 201, 8706 Meilen, Schweiz

Diese Website wird bei der Swizzonic AG, Badenerstrasse 47, CH-8004 Zürich gehostet. Im Zuge des Hostings werden Zugriffsdaten (z. B. IP-Adresse, Zeitstempel, angeforderte Seiten) in Server-Logfiles gespeichert. Dies dient der technischen Überwachung und Sicherheit der Website und stellt ein berechtigtes Interesse dar (Art. 6 Abs. 1 lit. f DSGVO).

Diese Website verwendet ausschließlich technisch notwendige Cookies, die für den Betrieb der Seite erforderlich sind. Es werden keine personenbezogenen Daten erhoben oder gespeichert. Es findet kein Tracking, keine Analyse und keine Weitergabe von Daten an Dritte statt.