Erkenntnisse aus komplexen Experimenten bündeln

Versuchsplanung mit Python

James Chapman

Curriculum Manager, DataCamp

Fertigungs-Ertragsdaten

manufacturing_yield

 BatchID  MaterialType  ProductionSpeed  TemperatureSetting  YieldStrength
      39       Polymer           Medium             Optimal          58.83
     195         Metal             High                High          51.29
     462       Polymer             High             Optimal          55.15
     696     Composite           Medium                 Low          50.27
     142     Composite             High                 Low          57.62
  • Mehrfaktorielles Design: MaterialType, ProductionSpeed, TemperatureSetting
  • Zielvariable: YieldStrength
Versuchsplanung mit Python

Fertigungs-Qualitätsdaten

manufacturing_quality

 BatchID ProductionSpeed  ProductQuality
     149             Low           93.87
     739            High           93.35
     617          Medium           90.45
     131            High           90.26
     684             Low           91.62
  • Design: ProductionSpeed
  • Zielvariable: ProductQuality
Versuchsplanung mit Python

Merge-Strategie

merged_manufacturing = pd.merge(manufacturing_yield,
                       manufacturing_quality, 
                       on=['BatchID', 'ProductionSpeed'])
print(merged_manufacturing)

 BatchID  MaterialType  ProductionSpeed  TemperatureSetting  YieldStrength  ProductQuality
       1         Metal              Low                High          57.32           91.19
       5     Composite           Medium             Optimal          51.82           90.20
       7       Polymer              Low                High          56.12           91.66
       8     Composite             High             Optimal          50.91           93.05
      11       Polymer              Low                High          50.13           92.31
Versuchsplanung mit Python

Nebeneinander-Balkendiagramm

import seaborn as sns
sns.catplot(x='MaterialType', y='YieldStrength', hue='ProductionSpeed', kind='bar', 
            data=merged_manufacturing)

catplot.png

Versuchsplanung mit Python

Streudiagramm mit drei Variablen

sns.relplot(x='YieldStrength', y='ProductQuality', hue='ProductionSpeed', 
            kind='scatter', data=merged_manufacturing)
plt.title('Yield Strength vs. Product Quality by Production Speed')

Zugfestigkeit vs. Produktqualität nach Produktionsgeschwindigkeit

Versuchsplanung mit Python

Daten für technische Zielgruppen vermitteln

 

  • Datenstories erstellen
    • p-Werte
    • Teststatistiken
    • Signifikanzniveaus
  • Komplexe Daten visualisieren
    • Heatmaps
    • Scatterplots mit mehreren Farben
    • Projektionen

Präsentation für ein technisches Publikum

Versuchsplanung mit Python

Nicht-technische Zielgruppen mit Daten begeistern

 

  • Vereinfache Datenerkenntnisse
    • Basisvisualisierungen: Balken- und Liniendiagramme
  • Zielgruppenorientierte Präsentationen vorbereiten
    • Warum sind die Daten wichtig?
    • Erkenntnisse mit Praxis verknüpfen

Data Storytelling

Versuchsplanung mit Python

Lass uns üben!

Versuchsplanung mit Python

Preparing Video For Download...