Verfügbarkeit: Datenanalyse mit Python | Technische Universität München

Datenanalyse mit Python: Auswertung von Daten mit Pandas, NumPy und IPython

Gespeichert in:

Bibliographische Detailangaben
Beteilige Person:	McKinney, Wes 1985- (VerfasserIn)
Weitere beteiligte Personen:	Rother, Kristian 1977- (ÜbersetzerIn), Tismer, Christian (ÜbersetzerIn), Lichtenberg, Kathrin ca. 20. Jh (ÜbersetzerIn)
Format:	Buch
Sprache:	Deutsch Englisch
Veröffentlicht:	Heidelberg O'Reilly [2019]
Ausgabe:	2. Auflage
Schlagwörter:	Python 3.0 Data Mining Python > Programmiersprache Datenanalyse Programmbibliothek Datenanalysten in Forschung, Wirtschaft, Marketing oder Marktforschung Big Data Data Science Python 3
Links:	http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030580918&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Umfang:	XVII, 522 Seiten Illustrationen, Diagramme
ISBN:	9783960090809

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV045191800
003	DE-604
005	20201119
007	t\|
008	180914s2019 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 18,N35 \|2 dnb
016	7		\|a 1165334224 \|2 DE-101
020			\|a 9783960090809 \|c Broschur : EUR 44.90 (DE), EUR 46.20 (AT) \|9 978-3-96009-080-9
035			\|a (OCoLC)1061552955
035			\|a (DE-599)DNB1165334224
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-M347 \|a DE-703 \|a DE-91G \|a DE-19 \|a DE-Aug4 \|a DE-525 \|a DE-523 \|a DE-92 \|a DE-860 \|a DE-29T \|a DE-188 \|a DE-1043 \|a DE-522 \|a DE-706 \|a DE-1046 \|a DE-526 \|a DE-898 \|a DE-11 \|a DE-1050 \|a DE-355 \|a DE-N2 \|a DE-1102 \|a DE-B768 \|a DE-634 \|a DE-83 \|a DE-945 \|a DE-859 \|a DE-573 \|a DE-861
084			\|a ST 510 \|0 (DE-625)143676: \|2 rvk
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a DAT 366f \|2 stub
100	1		\|a McKinney, Wes \|d 1985- \|e Verfasser \|0 (DE-588)1028982925 \|4 aut
240	1	0	\|a Python for data analysis
245	1	0	\|a Datenanalyse mit Python \|b Auswertung von Daten mit Pandas, NumPy und IPython \|c Wes McKinney ; deutsche Übersetzung von Kristian Rother, Christian Tismer & Kathrin Lichtenberg
250			\|a 2. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c [2019]
264		4	\|c © 2019
300			\|a XVII, 522 Seiten \|b Illustrationen, Diagramme
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
650	0	7	\|a Python 3.0 \|0 (DE-588)7624871-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Programmbibliothek \|0 (DE-588)4121521-7 \|2 gnd \|9 rswk-swf
653			\|a Datenanalysten in Forschung, Wirtschaft, Marketing oder Marktforschung
653			\|a Big Data
653			\|a Data Science
653			\|a Data Mining
653			\|a Python 3
689	0	0	\|a Programmbibliothek \|0 (DE-588)4121521-7 \|D s
689	0	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	2	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0		\|5 DE-604
689	1	0	\|a Python 3.0 \|0 (DE-588)7624871-9 \|D s
689	1	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	1		\|5 DE-604
689	2	0	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	2	1	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	2		\|8 1\p \|5 DE-604
700	1		\|a Rother, Kristian \|d 1977- \|0 (DE-588)133397068 \|4 trl
700	1		\|a Tismer, Christian \|0 (DE-588)1172890722 \|4 trl
700	1		\|a Lichtenberg, Kathrin \|d ca. 20. Jh. \|0 (DE-588)1172891052 \|4 trl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-213-7 \|w (DE-604)BV046290228
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-96010-214-4
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, MOBI \|z 978-3-96010-215-1
780	0	0	\|i Vorangegangen ist \|b 1. Auflage \|d Heidelberg : O'Reilly, 2015 \|z 978-3-96009-000-7 \|w (DE-604)BV042920676
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030580918&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
883	1		\|8 1\p \|a cgwrk \|d 20201028 \|q DE-101 \|u https://d-nb.info/provenance/plan#cgwrk
943	1		\|a oai:aleph.bib-bvb.de:BVB01-030580918

Datensatz im Suchindex

DE-BY-TUM_call_number	0104 DAT 366f 2018 A 5124(2) 0303 DAT 366f 2018 L 780(2)
DE-BY-TUM_katkey	2367784
DE-BY-TUM_location	01 03
DE-BY-TUM_media_number	040008627647 040008627625 040008627636 040008627669 040008627658 040008627670 040008627705 040008627681 040008627692 040008627716
_version_	1821934326425583616
adam_text	VORWORT .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XIII 1 EINLEITUNG .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 WORUM GEHT ES IN DIESEM BUCH? ..................................................... 1 WELCHE ARTEN VON DATEN? ......................................................... 1 1.2 WARUM PYTHON FUER DIE DATENANALYSE? ............................................. 2 PYTHON ALS KLEISTER ...................................................................... 2 DAS ZWEI-SPRACHEN-PROBLEM LOESEN ...................................... 3 WARUM NICHT PYTHON? ................................................................ 3 1.3 GRUNDLEGENDE PYTHON-BIBLIOTHEKEN ................................................. 4 NUMPY ......................................................................................... 4 PANDAS ......................................................................................... 5 MATPLOTLIB ................................................................................... 6 IPYTHON UND JUPYTER .................................................................. 6 SCIPY ........................................................................................... 7 SCIKIT-LEARN ................................................................................... 8 STATSMODELS ................................................................................. 8 1.4 INSTALLATION UND EINRICHTUNG ........................................................... 9 WINDOWS ..................................................................................... 9 APPLE (OS X, MACOS) ................................................................ 9 GNU/LINUX ................................................................................. 10 PYTHON-PAKETE INSTALLIEREN ODER AKTUALISIEREN ......................... 10 PYTHON 2 UND PYTHON 3 ............................................................. 11 INTEGRIERTE ENTWICKLUNGSUMGEBUNGEN (INTEGRATED DEVELOPMENT ENVIRONMENTS - IDES) UND TEXTEDITOREN ........ 12 1.5 COMMUNITY UND KONFERENZEN ......................................................... 12 1.6 NAVIGATION DURCH DIESES BUCH ......................................................... 13 CODEBEISPIELE ............................................................................ 14 DATEN FUER DIE BEISPIELE ................................................................ 14 IMPORTKONVENTIONEN .................................................................. 14 JARGON ......................................................................................... 15 2 GRUNDLAGEN VON PYTHON, IPYTHON UND JUPYTER-NOTEBOOKS .. . . . . . . . . . . . . . . . . . . . 17 2.1 DER PYTHON-INTERPRETER .................................................................... 18 2.2 IPYTHON-GRUNDLAGEN ........................................................................ 19 DIE IPYTHON-SHELL AUSFUEHREN ..................................................... 19 DAS JUPYTER-NOTEBOOK AUSFUEHREN ............................................. 20 BEFEHLSERGAENZUNG MIT TAB ....................................................... 23 INTROSPEKTION ............................................................................ 24 DER %RUN-BEFEHL ........................................................................ 26 CODE AUS DER ZWISCHENABLAGE AUSFUEHREN ................................ 27 TERMINAL-TASTENKUERZEL .............................................................. 28 UEBER MAGISCHE BEFEHLE .............................................................. 29 MATPLOTLIB-INTEGRATION .............................................................. 31 2.3 GRUNDLAGEN DER SPRACHE PYTHON ..................................................... 32 SPRACHSEMANTIK .......................................................................... 32 SKALARE TYPEN ............................................................................ 41 KONTROLLFLUSS ............................................................................... 48 3 IN PYTHON INTEGRIERTE DATENSTRUKTUREN, FUNKTIONEN UND DATEIEN .. . . . . . . . . . . . 53 3.1 DATENSTRUKTUREN UND SEQUENZEN ..................................................... 53 TUPEL ........................................................................................... 53 LISTEN ......................................................................................... 56 EINGEBAUTE FUNKTIONEN VON SEQUENZEN .................................. 61 DICTIONARYS ................................................................................. 63 SET ............................................................................................... 67 LIST, SET UND DICT COMPREHENSIONS ........................................ 69 3.2 FUNKTIONEN ....................................................................................... 71 NAMENSRAUM, GUELTIGKEITSBEREICH UND LOKALE FUNKTIONEN ... 72 MEHRERE RUECKGABEWERTE ........................................................... 73 FUNKTIONEN SIND OBJEKTE ......................................................... 74 ANONYME ODER LAMBDA-FUNKTIONEN ...................................... 75 CURRYING: TEILWEISE ANWENDUNG VON ARGUMENTEN ................. 76 GENERATOREN ............................................................................... 77 FEHLER UND DIE BEHANDLUNG VON AUSNAHMEN .......................... 79 3.3 DATEIEN UND DAS BETRIEBSSYSTEM ..................................................... 82 BYTES UND UNICODE MIT DATEIEN ............................................... 85 3.4 SCHLUSSBEMERKUNG ............................................................................ 87 4 GRUNDLAGEN VON NUMPY: ARRAYS UND VEKTORISIERTE BERECHNUNG. . . . . . . . . . . . . . . . 89 4.1 DAS NDARRAY VON NUMPY: EIN MEHRDIMENSIONALES ARRAY-OBJEKT ..................................................................................... 91 NDARRAYS ERZEUGEN ...................................................................... 92 DATENTYPEN FUER NDARRAYS ........................................................... 94 RECHNEN MIT NUMPY-ARRAYS ..................................................... 97 EINFACHES INDIZIEREN UND SLICING ............................................... 98 BOOLESCHES INDIZIEREN ................................................................ 103 FANCY INDEXING .......................................................................... 106 ARRAYS TRANSPONIEREN UND ACHSEN TAUSCHEN ............................ 107 4.2 UNIVERSELLE FUNKTIONEN: SCHNELLE ELEMENTWEISE ARRAY-FUNKTIONEN ............................................................................... 109 4.3 ARRAY-ORIENTIERTE PROGRAMMIERUNG MIT ARRAYS ................................ 112 BEDINGTE FOGIK ALS ARRAY-OPERATIONEN AUSDRUECKEN ................. 114 MATHEMATISCHE UND STATISTISCHE METHODEN .............................. 115 METHODEN FUER BOOLESCHE ARRAYS ............................................... 117 SORTIEREN ..................................................................................... 117 UNIQUE UND ANDERE MENGENLOGIK ............................................. 118 4.4 DATEIEIN-UND-AUSGABE BEI ARRAYS ................................................... 119 4.5 LINEARE ALGEBRA ................................................................................. 120 4.6 ERZEUGEN VON PSEUDOZUFALLSZAHLEN ................................................... 122 4.7 BEISPIEL: RANDOM WALKS .................................................................. 124 VIELE RANDOM WALKS AUF EINMAL SIMULIEREN ............................ 125 4.8 SCHLUSSBEMERKUNG ............................................................................ 126 5 ERSTE SCHRITTE MIT PANDAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 5.1 EINFUEHRUNG IN DIE PANDAS-DATENSTRUKTUREN .................................... 127 SERIES ........................................................................................... 128 DATAFRAME ................................................................................... 132 INDEXOBJEKTE ............................................................................... 138 5.2 WESENTLICHE FUNKTIONALITAET ............................................................. 140 NEUINDIZIERUNG .......................................................................... 140 EINTRAEGE VON EINER ACHSE LOESCHEN ............................................ 142 INDIZIERUNG, AUSWAHL UND FILTERUNG ........................................ 144 INTEGER-INDIZES ............................................................................ 149 ARITHMETIK UND DATENAUSRICHTUNG .......................................... 150 FUNKTIONSANWENDUNG UND MAPPING ........................................ 155 SORTIEREN UND RANGBILDUNG ....................................................... 157 ACHSENINDIZES MIT DUPLIZIERTEN LABELS .................................... 160 5.3 ZUSAMMENFASSEN UND BERECHNEN DESKRIPTIVER STATISTIKEN ............. 162 KORRELATION UND KOVARIANZ ....................................................... 164 EINDEUTIGKEIT, WERTEANZAHL UND MITGLIEDSCHAFT ..................... 166 5.4 SCHLUSSBEMERKUNG ............................................................................ 169 6 LADEN UND SPEICHERN VON DATEN SOWIE DATEIFORMATE . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 6.1 LESEN UND SCHREIBEN VON DATEN IM TEXTFORMAT ............................... 171 STUECKWEISES LESEN VON TEXTDATEIEN .......................................... 177 DATEN IN TEXTFORMATEN SCHREIBEN ............................................. 179 ARBEITEN MIT SEPARIERTEN FORMATEN .......................................... 180 JSON-DATEN ............................................................................... 182 XML UND HTML: WEB-SCRAPING ............................................. 184 6.2 BINAERE DATENFORMATE ........................................................................ 187 BENUTZUNG VON HDF5 ................................................................ 188 LESEN VON MICROSOFT EXCEL-DATEIEN ........................................ 190 6.3 INTERAKTION MIT WEB-APIS ................................................................ 191 6.4 INTERAKTION MIT DATENBANKEN ......................................................... 192 6.5 SCHLUSSBEMERKUNG ............................................................................ 194 7 DATEN BEREINIGEN UND VORBEREITEN .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 7.1 DER UMGANG MIT FEHLENDEN DATEN ................................................... 195 FEHLENDE DATEN HERAUSFILTERN ................................................... 197 FEHLENDE DATEN EINSETZEN ......................................................... 199 7.2 DATENTRANSFORMATION ........................................................................ 201 DUPLIKATE ENTFERNEN ............................... 201 DATEN MITHILFE EINER FUNKTION ODER EINES MAPPINGS TRANSFORMIEREN .......................................................................... 203 WERTE ERSETZEN .......................................................................... 204 ACHSENINDIZES UMBENENNEN ..................................................... 206 DISKRETISIERUNG UND KLASSIFIZIERUNG ........................................ 207 ERKENNEN UND FILTERN VON AUSREISSERN .................................... 209 PERMUTATION UND ZUFAELLIGE STICHPROBEN .................................. 211 BERECHNEN VON INDIKATORVPLATZHALTERVARIABLEN ..................... 212 7.3 MANIPULATION VON STRINGS ................................................................ 215 METHODEN VON STRING-OBJEKTEN ............................................... 215 REGULAERE AUSDRUECKE .................................................................. 217 VEKTORISIERTE STRING-FUNKTIONEN IN PANDAS .............................. 220 7.4 SCHLUSSBEMERKUNG ............................................................................ 223 8 DATENAUFBEREITUNG: VERKNUEPFEN, KOMBINIEREN UND UMFORMEN .. . . . . . . . . . . . . 225 8.1 HIERARCHISCHE INDIZIERUNG ................................................................ 225 EBENEN NEU ANORDNEN UND SORTIEREN ........................................ 228 ZUSAMMENFASSENDE STATISTIKEN NACH EBENE ............................ 229 INDIZIERUNG MIT DEN SPALTEN EINES DATAFRAME ....................... 229 8.2 KOMBINIEREN UND VERKNUEPFEN VON DATENSAETZEN ............................ 231 DATENBANKARTIGE VERKNUEPFUNG VON DATAFRAMES ................... 231 DATEN UEBER EINEN INDEX VERKNUEPFEN ........................................ 236 VERKETTEN ENTLANG EINER ACHSE ................................................. 240 UEBERLAPPENDE DATEN ZUSAMMENFUEHREN .................................. 245 8.3 UMFORMEN UND TRANSPONIEREN ....................................................... 246 UMFORMEN MIT HIERARCHISCHER INDIZIERUNG .............................. 246 TRANSPONIEREN VOM LANGEN ZUM BREITEN FORMAT ............. 249 TRANSPONIEREN VORN BREITEN ZUM LANGEN FORMAT ............. 252 8.4 SCHLUSSBEMERKUNG ............................................................................. 254 9 FLOTTEN UND VISUALISIEREN .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 9.1 KURZE EINFUEHRUNG IN DIE MATPLOTLIB-API ........................................ 256 DIAGRAMME UND SUBPLOTS ......................................................... 257 FARBEN, BESCHRIFTUNGEN UND LINIENFORMEN .............................. 261 SKALENSTRICHE, BESCHRIFTUNGEN UND LEGENDEN ......................... 263 ANNOTATIONEN UND ZEICHNUNGEN IN EINEM SUBPLOT ................. 267 DIAGRAMME IN DATEIEN ABSPEICHERN ........................................ 269 DIE KONFIGURATION VON MATPLOTLIB ............................................. 270 9.2 FLOTTEN MIT PANDAS UND SEABORN ....................................................... 271 LINIENDIAGRAMME ........................................................................ 271 BALKENDIAGRAMME ...................................................................... 274 HISTOGRAMME UND DICHTEPLOTS ................................................. 279 STREU- ODER PUNKTDIAGRAMME ..................................................... 281 FACETTENRASTER UND KATEGORISCHE DATEN .................................... 283 9.3 ANDERE VISUALISIERUNGSWERKZEUGE IN PYTHON .................................. 285 9.4 SCHLUSSBEMERKUNG ............................................................................ 286 10 AGGREGATION VON DATEN UND GRUPPENOPERATIONEN .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 10.1 GROUPBY-MECHANISMEN .................................................................... 288 ITERATION UEBER GRUPPEN .............................................................. 291 AUSWAEHLEN EINER SPALTE ODER EINER TEILMENGE VON SPALTEN ......................................................................................... 293 GRUPPIEREN MIT DICTIONARYS UND SERIES ..................................... 293 GRUPPIEREN MIT FUNKTIONEN ..................................................... 295 GRUPPIEREN NACH EBENEN EINES INDEX ...................................... 295 10.2 AGGREGATION VON DATEN ...................................................................... 296 SPALTENWEISE UND MEHRFACHE ANWENDUNG VON FUNKTIONEN ................................................................................. 298 AGGREGIERTE DATEN OHNE ZEILENINDIZES ZURUECKGEBEN ............... 301 10.3 APPLY: ALLGEMEINE OPERATIONEN VOM TYP SPLIT-APPLY-COMBINE .......................................................................... 302 UNTERDRUECKEN DER GRUPPENSCHLUESSEL ........................................ 304 ANALYSE VON QUANTILEN UND GROESSENKLASSEN ............................ 305 BEISPIEL: FEHLENDE DATEN MIT GRUPPENSPEZIFISCHEN WERTEN AUFFUELLEN ....................................................................................... 306 BEISPIEL: ZUFAELLIGE STICHPROBEN UND PERMUTATION ................... 308 BEISPIEL: GEWICHTETER MITTELWERT FUER GRUPPEN UND KORRELATION ................................................................................... 310 BEISPIEL: GRUPPENWEISE LINEARE REGRESSION .............................. 312 10.4 PIVOT-TABELLEN UND KREUZTABELLIERUNG ............................................. 312 KREUZTABELLEN ............................................................................ 315 10.5 SCHLUSSBEMERKUNG ............................................................................ 316 11 ZEITREIHEN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 11.1 DATENTYPEN UND WERKZEUGE FUER DATUM UND ZEIT .......................... 318 KONVERTIEREN ZWISCHEN STRING UND DATETIME ............................ 319 11.2 GRUNDLAGEN VON ZEITREIHEN .............................................................. 322 INDIZIEREN, AUSWAEHLEN UND UNTERMENGEN BILDEN ................... 323 ZEITREIHEN MIT DOPPELTEN INDIZES ............................................. 326 11.3 DATUMSBEREICHE, FREQUENZEN UND VERSCHIEBUNGEN .................... 327 ERZEUGEN VON DATUMSBEREICHEN ............................................... 328 FREQUENZEN UND OFFSETS VON KALENDERDATEN ............................ 330 VERSCHIEBEN VON DATUMSANGABEN (VORLAUF UND VERZOEGERUNG) ............................................................................ 332 11.4 BERUECKSICHTIGUNG VON ZEITZONEN ..................................................... 335 LOKALISIEREN UND KONVERTIEREN VON ZEITZONEN ........................ 335 OPERATIONEN MIT ZEITSTEMPELN BEI ZUGEORDNETER ZEITZONE . . . 338 OPERATIONEN ZWISCHEN UNTERSCHIEDLICHEN ZEITZONEN ............. 339 11.5 PERIODEN UND ARITHMETIK VON PERIODEN .......................................... 339 UMWANDLUNG DER FREQUENZ VON PERIODEN .............................. 340 QUARTALSWEISE PERIODEN ............................................................ 342 ZEITSTEMPEL ZU PERIODEN KONVERTIEREN (UND ZURUECK) ............. 344 ERSTELLEN EINES PERIODLNDEX AUS ARRAYS .................................... 345 11.6 RESAMPLING UND KONVERTIEREN VON FREQUENZEN .............................. 347 DOWNSAMPLING .......................................................................... 349 UPSAMPLING UND INTERPOLATION ................................................. 352 RESAMPLING MIT PERIODEN ......................................................... 353 11.7 FUNKTIONEN MIT GLEITENDEN FENSTERN ............................................... 354 EXPONENTIELL GEWICHTETE FUNKTIONEN ...................................... 358 BINAERE FUNKTIONEN MIT GLEITENDEM FENSTER .............................. 359 BENUTZERDEFINIERTE FUNKTIONEN MIT GLEITENDEN FENSTERN .... 360 11.8 SCHLUSSBEMERKUNG ............................................................................ 361 12 PANDAS FUER FORTGESCHRITTENE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363 12.1 KATEGORISCHE DATEN .......................................................................... 363 HINTERGRUND UND MOTIVATION ................................................... 363 DER TYP CATEGORICAL IN PANDAS ................................................. 365 BERECHNUNGEN MIT CATEGORICALS ............................................... 367 KATEGORISCHE METHODEN ........................................................... 370 12.2 ERWEITERTER EINSATZ VON GROUPBY ................................................... 372 GRUPPENTRANSFORMATIONEN UND AUSGEPACKTE GROUPBYS . . . 373 GRUPPIERTES ZEIT-RESAMPLING ................................................... 376 12.3 TECHNIKEN FUER DIE VERKETTUNG VON METHODEN ................................ 378 DIE METHODE PIPE ...................................................................... 380 12.4 SCHLUSSBEMERKUNG ............................................................................ 380 13 EINFUEHRUNG IN MODELLIERUNGSBIBLIOTHEKEN IN PYTHON .. . . . . . . . . . . . . . . . . . . . . . . . . . 383 13.1 DIE KOPPLUNG ZWISCHEN PANDAS UND DEM MODELLCODE .................. 383 13.2 MODELLBESCHREIBUNGEN MIT PATSY HERSTELLEN .................................... 386 DATENTRANSFORMATIONEN IN PATSY-FORMELN ................................ 389 KATEGORISCHE DATEN UND PATSY ................................................... 390 13.3 EINFUEHRUNGINSTATSMODELS ................................................................ 393 LINEARE MODELLE SCHAETZEN ......................................................... 393 ZEITREIHENPROZESSE SCHAETZEN ..................................................... 396 13.4 EINFUEHRUNG IN SCIKIT-LEARN .................................................................. 397 13.5 IHRE AUSBILDUNG FORTSETZEN ................................................................ 401 14 BEISPIELE AUS DER DATENANALYSE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403 14.1 L.USA.GOV-DATEN VON BITLY .............................................................. 403 ZAEHLEN VON ZEITZONEN IN REINEM PYTHON .................................. 404 ZEITZONEN MIT PANDAS ZAEHLEN ..................................................... 406 14.2 MOVIELENS-LM-DATENSATZ ................................................................ 413 MESSEN VON UNTERSCHIEDEN IN DER BEWERTUNG ......................... 418 14.3 US-BABYNAMEN VON 1880-2010 ....................................................... 419 NAMENSTRENDS ANALYSIEREN ......................................................... 424 14.4 DIE USDA-NAHRUNGSMITTELDATENBANK ............................................. 433 14.5 DATENBANK DES US-WAHLAUSSCHUSSES VON 2012 .............................. 439 SPENDENSTATISTIK NACH BERUF UND ARBEITGEBER ......................... 441 SPENDEN DER GROESSE NACH KLASSIFIZIEREN .................................... 444 SPENDENSTATISTIK NACH BUNDESSTAAT .......................................... 446 14.6 SCHLUSSBEMERKUNG ............................................................................ 447 A NUMPY FUER FORTGESCHRITTENE .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449 A.L INTERNA DES NDARRAY-OBJEKTS ............................................................ 449 DIE DTYPE-HIERARCHIE IN NUMPY ............................................... 450 A.2 FORTGESCHRITTENE MANIPULATION VON ARRAYS ................................... 451 ARRAYS UMFORMEN ........................................................................ 452 ANORDNUNG VON ARRAYS IN C UND FORTRAN ................................ 454 ARRAYS VERKETTEN UND AUFSPALTEN ............................................... 454 WIEDERHOLEN VON ELEMENTEN: TILE UND REPEAT ......................... 457 ALTERNATIVEN ZUM FANCY INDEXING: TAKE UND PUT ..................... 459 A.3 BROADCASTING ..................................................................................... 460 BROADCASTING UEBER ANDERE ACHSEN ............................................ 462 WERTE VON ARRAYS DURCH BROADCASTING SETZEN ......................... 465 A.4 FORTGESCHRITTENE NUTZUNG VON UFUNCS ............................................ 465 INSTANZMETHODEN VON UFUNC ..................................................... 466 NEUE UFUNCS IN PYTHON SCHREIBEN ............................................. 468 A.5 STRUKTURIERTE UND RECORD-ARRAYS .................................................... 469 GESCHACHTELTE DTYPES UND MEHRDIMENSIONALE FELDER ............. 469 WARUM SOLLTE MAN STRUKTURIERTE ARRAYS VERWENDEN? ............. 470 A.6 MEHR ZUM THEMA SORTIEREN ............................................................. 471 INDIREKTES SORTIEREN: ARGSORT UND LEXSORT ................................ 472 ALTERNATIVE SORTIERALGORITHMEN ................................................. 474 ARRAYS TEILWEISE SORTIEREN ......................................................... 474 NUMPY.SEARCHSORTED: ELEMENTE IN EINEM SORTIERTEN ARRAY FINDEN ......................................................................................... 475 A.7 SCHNELLE NUMPY-FUNKTIONEN MIT NUMBA SCHREIBEN ..................... 476 EIGENE NUMPY.UFUNC-OBJEKTE MIT NUMBA HERSTELLEN ............. 478 A.8 EIN- UND AUSGABE VON ARRAYS FUER FORTGESCHRITTENE ....................... 478 MEMORY-MAPPED DATEIEN ......................................................... 478 HDF5 UND WEITERE MOEGLICHKEITEN ZUM SPEICHERN VON ARRAYS ......................................................................................... 480 A. 9 TIPPS FUER EINE HOEHERE LEISTUNG ....................................................... 480 DIE BEDEUTUNG DES ZUSAMMENHAENGENDEN SPEICHERS ............. 480 B MEHR ZUM IPYTHON-SYSTEM .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483 B. L DIE BEFEHLSHISTORIE BENUTZEN ........................................................... 483 DIE BEFEHLSHISTORIE DURCHSUCHEN UND WIEDERVERWENDEN .... 483 EINGABE- UND AUSGABEVARIABLEN ............................................... 484 B.2 MIT DEM BETRIEBSSYSTEM INTERAGIEREN ............................................ 485 SHELL-BEFEHLE UND -ALIASE ......................................................... 486 DAS VERZEICHNIS-BOOKMARK-SYSTEM ........................................ 487 B.3 WERKZEUGE ZUR SOFTWAREENTWICKLUNG ............................................ 487 INTERAKTIVER DEBUGGER ................................................................ 488 ZEITMESSUNG BEI CODE: %TIME UND %TIMEIT ............................ 492 GRUNDLEGENDE PROFILIERUNG: %PRUN AND %RUN -P ................... 494 EINE FUNKTION ZEILE FUER ZEILE PROFILIEREN ................................ 496 B.4 TIPPS FUER EINE PRODUKTIVE CODEENTWICKLUNG MIT IPYTHON ............ 498 MODULABHAENGIGKEITEN NEU LADEN ............................................. 499 TIPPS FUER DAS CODEDESIGN ......................................................... 499 B.5 FORTGESCHRITTENE IPYTHON-FUNKTIONEN ............................................ 501 IHRE EIGENEN KLASSEN IPYTHON-FREUNDLICH GESTALTEN ................. 501 PROFILE UND KONFIGURATION ......................................................... 502 B.6 SCHLUSSBEMERKUNG ............................................................................ 503 INDEX 505
any_adam_object	1
author	McKinney, Wes 1985-
author2	Rother, Kristian 1977- Tismer, Christian Lichtenberg, Kathrin ca. 20. Jh
author2_role	trl trl trl
author2_variant	k r kr c t ct k l kl
author_GND	(DE-588)1028982925 (DE-588)133397068 (DE-588)1172890722 (DE-588)1172891052
author_facet	McKinney, Wes 1985- Rother, Kristian 1977- Tismer, Christian Lichtenberg, Kathrin ca. 20. Jh
author_role	aut
author_sort	McKinney, Wes 1985-
author_variant	w m wm
building	Verbundindex
bvnumber	BV045191800
classification_rvk	ST 510 ST 250
classification_tum	DAT 366f
ctrlnum	(OCoLC)1061552955 (DE-599)DNB1165334224
discipline	Informatik
edition	2. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03321nam a2200709 c 4500</leader><controlfield tag="001">BV045191800</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20201119 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">180914s2019 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,N35</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1165334224</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960090809</subfield><subfield code="c">Broschur : EUR 44.90 (DE), EUR 46.20 (AT)</subfield><subfield code="9">978-3-96009-080-9</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1061552955</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1165334224</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-526</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-861</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 510</subfield><subfield code="0">(DE-625)143676:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 366f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">McKinney, Wes</subfield><subfield code="d">1985-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1028982925</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Python for data analysis</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Datenanalyse mit Python</subfield><subfield code="b">Auswertung von Daten mit Pandas, NumPy und IPython</subfield><subfield code="c">Wes McKinney ; deutsche Übersetzung von Kristian Rother, Christian Tismer & Kathrin Lichtenberg</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">[2019]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2019</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XVII, 522 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalysten in Forschung, Wirtschaft, Marketing oder Marktforschung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python 3</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="8">1\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Rother, Kristian</subfield><subfield code="d">1977-</subfield><subfield code="0">(DE-588)133397068</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Tismer, Christian</subfield><subfield code="0">(DE-588)1172890722</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lichtenberg, Kathrin</subfield><subfield code="d">ca. 20. Jh.</subfield><subfield code="0">(DE-588)1172891052</subfield><subfield code="4">trl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-213-7</subfield><subfield code="w">(DE-604)BV046290228</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-96010-214-4</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, MOBI</subfield><subfield code="z">978-3-96010-215-1</subfield></datafield><datafield tag="780" ind1="0" ind2="0"><subfield code="i">Vorangegangen ist</subfield><subfield code="b">1. Auflage</subfield><subfield code="d">Heidelberg : O'Reilly, 2015</subfield><subfield code="z">978-3-96009-000-7</subfield><subfield code="w">(DE-604)BV042920676</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030580918&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-030580918</subfield></datafield></record></collection>
id	DE-604.BV045191800
illustrated	Illustrated
indexdate	2024-12-20T18:20:21Z
institution	BVB
isbn	9783960090809
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-030580918
oclc_num	1061552955
open_access_boolean
owner	DE-M347 DE-703 DE-91G DE-BY-TUM DE-19 DE-BY-UBM DE-Aug4 DE-525 DE-523 DE-92 DE-860 DE-29T DE-188 DE-1043 DE-522 DE-706 DE-1046 DE-526 DE-898 DE-BY-UBR DE-11 DE-1050 DE-355 DE-BY-UBR DE-N2 DE-1102 DE-B768 DE-634 DE-83 DE-945 DE-859 DE-573 DE-861
owner_facet	DE-M347 DE-703 DE-91G DE-BY-TUM DE-19 DE-BY-UBM DE-Aug4 DE-525 DE-523 DE-92 DE-860 DE-29T DE-188 DE-1043 DE-522 DE-706 DE-1046 DE-526 DE-898 DE-BY-UBR DE-11 DE-1050 DE-355 DE-BY-UBR DE-N2 DE-1102 DE-B768 DE-634 DE-83 DE-945 DE-859 DE-573 DE-861
physical	XVII, 522 Seiten Illustrationen, Diagramme
publishDate	2019
publishDateSearch	2019
publishDateSort	2019
publisher	O'Reilly
record_format	marc
spellingShingle	McKinney, Wes 1985- Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenanalyse (DE-588)4123037-1 gnd Programmbibliothek (DE-588)4121521-7 gnd
subject_GND	(DE-588)7624871-9 (DE-588)4428654-5 (DE-588)4434275-5 (DE-588)4123037-1 (DE-588)4121521-7
title	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython
title_alt	Python for data analysis
title_auth	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython
title_exact_search	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython
title_full	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython Wes McKinney ; deutsche Übersetzung von Kristian Rother, Christian Tismer & Kathrin Lichtenberg
title_fullStr	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython Wes McKinney ; deutsche Übersetzung von Kristian Rother, Christian Tismer & Kathrin Lichtenberg
title_full_unstemmed	Datenanalyse mit Python Auswertung von Daten mit Pandas, NumPy und IPython Wes McKinney ; deutsche Übersetzung von Kristian Rother, Christian Tismer & Kathrin Lichtenberg
title_short	Datenanalyse mit Python
title_sort	datenanalyse mit python auswertung von daten mit pandas numpy und ipython
title_sub	Auswertung von Daten mit Pandas, NumPy und IPython
topic	Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenanalyse (DE-588)4123037-1 gnd Programmbibliothek (DE-588)4121521-7 gnd
topic_facet	Python 3.0 Data Mining Python Programmiersprache Datenanalyse Programmbibliothek
url	http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030580918&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT mckinneywes pythonfordataanalysis AT rotherkristian pythonfordataanalysis AT tismerchristian pythonfordataanalysis AT lichtenbergkathrin pythonfordataanalysis AT mckinneywes datenanalysemitpythonauswertungvondatenmitpandasnumpyundipython AT rotherkristian datenanalysemitpythonauswertungvondatenmitpandasnumpyundipython AT tismerchristian datenanalysemitpythonauswertungvondatenmitpandasnumpyundipython AT lichtenbergkathrin datenanalysemitpythonauswertungvondatenmitpandasnumpyundipython

Verfügbarkeit

Bestellen (Login erforderlich)

Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Teilbibliothek Mathematik & Informatik

Bestandsangaben von Teilbibliothek Mathematik & Informatik
Signatur:	0104 DAT 366f 2018 A 5124(2) Lageplan
Exemplar 1	Nicht ausleihbar Am Standort

Teilbibliothek Chemie, Lehrbuchsammlung

Bestandsangaben von Teilbibliothek Chemie, Lehrbuchsammlung
Signatur:	0303 DAT 366f 2018 L 780(2) Lageplan
Exemplar 1	Ausleihbar Am Standort
Exemplar 2	Ausleihbar Ausgeliehen – Rückgabe bis: 27.05.2025
Exemplar 3	Ausleihbar Am Standort
Exemplar 4	Ausleihbar Am Standort
Exemplar 5	Ausleihbar Am Standort
Exemplar 6	Ausleihbar Am Standort
Exemplar 7	Ausleihbar Am Standort
Exemplar 8	Ausleihbar Am Standort
Exemplar 9	Ausleihbar Am Standort