100-days-of-code

Tag 30 – Warenkorb-Analyse 🛒

Datum: 8. September 2025
Dauer: 3 Stunden
Thema: Datenanalyse von Einkaufslisten – Häufig gekaufte Produkte ermitteln

---

Was habe ich gelernt?

• Umgang mit Python und Datenanalyse
• Nutzung von pandas für Gruppierungen und Summierungen
• Erstellung von Diagrammen mit matplotlib & seaborn
• Export von Ergebnissen in CSV-Dateien
• Visualisierung von Top-Produkten durch Balkendiagramme
• Vorbereitung von Daten für reale Anwendungsfälle im Handel (z. B. REWE)

---

Verwendete Techniken

Code / Technik	Bedeutung / Einsatz
pandas.DataFrame	Erstellen und Analysieren der Einkaufsdaten
.groupby() + .sum()	Produkte nach Menge summieren
.sort_values()	Häufigste Produkte ermitteln
.to_csv()	Ergebnisse als CSV speichern
matplotlib.pyplot	Diagramme erstellen
seaborn.barplot	Balkendiagramm für Top-Produkte

---

Vorschau

Analyseergebnisse (lokal generiert im output/ Ordner):

• 📊 CSV – Top-Produkte
• 

---

Projektdateien

• einkaufsliste.py – Hauptskript mit Datenanalyse
• einkaufsliste.csv – Optional: externe Einkaufsliste
• output/top_produkte.csv – Ergebnisse als Tabelle
• output/top_produkte.png – Visualisierung als Diagramm
• README.md – Dokumentation und Lerneffekt

---

Wie funktioniert’s?

1. Einkaufsliste laden (Beispieldaten oder CSV-Datei)
2. Daten nach Produkten gruppieren und Mengen summieren
3. Ergebnisse speichern (top_produkte.csv)
4. Balkendiagramm der Top 5 Produkte generieren (top_produkte.png)
5. Ergebnisse im Ordner output/ einsehen

---

Fazit:
Die Warenkorb-Analyse zeigt, welche Produkte am häufigsten gekauft werden.
Dieses Projekt eignet sich hervorragend als Mini-Einblick in Data Analytics, insbesondere für den Handel, und zeigt praxisnah die Vorteile von Python für Datenanalyse und Visualisierung.

This site is open source. Improve this page.