3.1 KiB
Arbeiten zusammen:
- Jamie Beu
- Julianne Kitzinger
- Arian Temouri
Fehlende Daten:
- 59513b5256dc16e99c505915cdd84aa1
- 6948c64227d75cd50901c246be88e264
- a22ad77be0d478b5fe34d1167d4dbb3a
- a96f7c881d27b739c38b81da2058a2fb
- c6679ce22dfd5646f81d40a8dbb0236b
Beispiele:
[!danger]
void (*(*f[])())()defines f as an array of unspecified size of pointers to functions that return pointers to functions that return void
Congyu Ding Annemike Rörig
def fakultaet_generator(n: int) -> int:
"""
Generiert mittels ChatGPT (26.11.2025)
Prompt: "..."
- Berechnung der Fakultät
- Robuste Fehlerbehandlung
- Benötigt für Berechnung XXX
"""
# Robuste Fehlerbehandlung bei Werten kleiner 0
if n < 0:
raise ValueError("Die Fakultät ist nur für nicht-negative Zahlen definiert.")
# Berechnung der Fakultät mittels aufmultiplizieren
ergebnis = 1
for i in range(1, n + 1):
ergebnis *= i
yield ergebnis
Ideen:
- Stock Market Simulation (Animal Crossing)
- Gini Index 938-828 791-748
# Binäre Variable: Vegan = 1, Nicht-Vegan = 0
df['ist_vegan'] = (df['Ernährung'] == 'Vegan').astype(int)
# Filter: mindestens 2 Instagram-Accounts UND mindestens einer privat
h2_data = df[
(df['Instagram_Anzahl'] >= 2) & (df['Instagram_Privat'] == 'Ja')
]
# Gruppen
vegan_mit = h2_data['ist_vegan']
vegan_ohne = df[
(df['Instagram_Anzahl'] < 2) | (df['Instagram_Privat'] != 'Ja')
]['ist_vegan']
# Independent t-test
t_stat, p_value = ttest_ind(vegan_mit, vegan_ohne)
vegan_pct_mit = vegan_mit.mean() * 100
vegan_pct_ohne = vegan_ohne.mean() * 100
\text{Birth Rate} = \frac{B}{P} * 1000
Projekte
Annemike Rörig anschreiben
result
Dania Arshad: 126.5 / 282 44.9% Jamie Beu: 240 / 282 85.1% Michael Biermann: 258.5 / 282 91.7% Antonia Lilli Elsner: 234 / 282 83.0% Lillian Fitzner: 248.5 / 282 88.1% Nicole Funke: 267.5 / 282 94.9% Julia Gebel: 269 / 282 95.4% Alexandra Geworsky: 232 / 282 82.3% Zoe Giese: 260.5 / 282 92.4% Jule Hansen: 258 / 282 91.5% Annelie Hartkopp: 167 / 282 59.2% Hermine Hesse: 177 / 282 62.8% Mirja Jordan: 228 / 282 80.9% Julianne Kitzinger: 243 / 282 86.2% Wenyu Liu: 161.5 / 282 57.3% Daniel Lock: 235.5 / 282 83.5% Tim Matschulla: 207.5 / 282 73.6% Franka Milbrandt: 264 / 282 93.6% Linda Plöger: 244 / 282 86.5% Adrian Reis: 179.5 / 282 63.7% Annemike Rörig: 194 / 282 68.8% Kenji Sato: 249.5 / 282 88.5% Helene Scheler: 192 / 282 68.1% Fiona Schmitz: 244 / 282 86.5% Marie-Christine Schmitz: 236 / 282 83.7% Jenna Seeger: 237.5 / 282 84.2% Jette Siever: 240.5 / 282 85.3% Josefine Sinkemat: 187 / 282 66.3% Agatha Stark: 194.5 / 282 69.0% Ye Sun: 234 / 282 83.0% Arian Temouri: 239 / 282 84.8% Alexander Trey: 259.5 / 282 92.0% Denis Weber: 230 / 282 81.6% Elina Winkler: 243 / 282 86.2% Fabian Zirkel: 265 / 282 94.0%