Files
Notes/Documents/Arbeit/IFN/Programmieren WiSe 25 26/Notizen.md

94 lines
1.9 KiB
Markdown

Arbeiten zusammen:
- Jamie Beu
- Julianne Kitzinger
- Arian Temouri
Fehlende Daten:
- 59513b5256dc16e99c505915cdd84aa1
- 6948c64227d75cd50901c246be88e264
- a22ad77be0d478b5fe34d1167d4dbb3a
- a96f7c881d27b739c38b81da2058a2fb
- c6679ce22dfd5646f81d40a8dbb0236b
Beispiele:
>[!danger]
>```C
>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
```python
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
```python
# 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
- [Social Media Addiction](https://www.kaggle.com/datasets/adilshamim8/social-media-addiction-vs-relationships)
- [Movies & Shows](https://www.kaggle.com/datasets/shivamb/amazon-prime-movies-and-tv-shows)
Annemike Rörig anschreiben