refactor: move things around

2026-05-21 14:16:30 +02:00
parent 2fce3281a3
commit 41e15ed275
124 changed files with 404226 additions and 0 deletions
@@ -0,0 +1,72 @@
+# Workshop 1 – Skalenniveaus im Melbourne Housing Dataset
+
+## Aufgabenstellung
+
+Untersuchung der Variablen des Melbourne Housing Datasets (`melb_data.csv`)
+auf vorliegende Skalenniveaus:
+
+- **kategorial** (nominal / ordinal)
+- **metrisch** (intervall / ratio)
+
+### Anforderungen
+
+- Tabellarische Zusammenstellung mit einem Tool eigener Wahl,
+  erweiterbar für folgende Workshops
+- Abgleich mit der Online-Dokumentation des Datasets (Konsistenz prüfen)
+- Daten optional direkt mit Python sichten
+
+### Zeitrahmen
+
+30 Minuten
+
+## Vorgehen
+
+1. Daten laden und erste Sichtung (`df.info()`, `df.head()`, `df.describe()`, `df.nunique()`)
+2. Pro Spalte klassifizieren: Spaltenname, dtype, Anzahl unique, Skalenniveau, Bemerkung
+3. Online-Doku abgleichen, Diskrepanzen notieren
+4. Tabelle exportieren (CSV / Markdown)
+
+## Theorie – Skalenniveaus
+
+| Niveau | Operationen | Beispiel | Statistik |
+|---|---|---|---|
+| **Nominal** | =, ≠ | Suburb, Type | Modus, Häufigkeiten |
+| **Ordinal** | + <, > | Schulnoten, Likert | Median, Quantile |
+| **Intervall** | + Abstände | Temperatur °C, Datum | Mittelwert, SD |
+| **Ratio** | + Verhältnisse (echter Nullpunkt) | Preis, Anzahl Zimmer | alle parametrischen Tests |
+
+Hierarchie: `nominal ⊂ ordinal ⊂ intervall ⊂ ratio`
+
+### Entscheidungshilfe
+
+1. Kannst du sinnvoll mitteln? → metrisch
+2. Falls nein: Kannst du sinnvoll sortieren? → ordinal
+3. Falls nein: → nominal
+
+## Struktur
+
+```
+.
+├── devenv.nix
+├── data/
+│   └── melb_data.csv
+└── notebooks/
+    └── 01_skalenniveaus.ipynb
+```
+
+## Libraries
+
+Vorgaben der Dozentin (Anaconda3-2024.02-1, Python 3.11.7):
+
+| Library | Alias | Version |
+|---|---|---|
+| numpy | np | 1.26.4 |
+| pandas | pd | 2.1.4 |
+| matplotlib.pyplot | plt | 3.7.5 |
+| seaborn | sns | 0.12.2 |
+| ydata-profiling | --- | 4.8.3 |
+| scikit-learn | sklearn | 1.4.2 |
+| imbalanced-learn | imblearn | 0.12.2 |
+| statsmodels | stat | 0.14.0 |
+
+Eigenes Setup nutzt aktuelles Python via devenv, ohne striktes Versionspinning.