Durch AI-gestütztes Coding kann man leichter als je zuvor Daten analysieren. Wir zeigen, wie man eine interaktive Python-Analyse in Visual Studio Code mit dem Github Copilot durchführt. Mit dem komplettem Code als Download.
Wie funktioniert KI-gestütztes Coding und Data Analytics?
Anstatt seine Daten in Excel, Datenbanken oder Dashboards zu analysieren und visualisieren, kann man dies auch mit Python und anderen Programmiersprachen umsetzen. Die Lernkurve ist anfangs hoch, aber man spart auf Dauer wertvolle Zeit im Alltag. Denn hat man den Analyse-Code einmal entwickelt, kann man diesen oft leicht wiederverwenden. So führt man die gleichen Coding-Aufgaben und Analysen immer schneller durch. Zudem kann man Fehler vermeiden, die beim hin- und herkopieren in Excel oft entstehen.
Als erstes wählt man dafür eine passende Entwicklungsumgebung (IDE). Oft wird hier Visual Studio Code, Google Colab oder weitere Tools genutzt (siehe Artikel: Die beliebtesten Python-IDEs). Als Programmiersprache hat sich für Datenanalysen besonders Python bewährt. Analysen mit Python lassen sich am besten in sogenannten "Python Notebooks" umsetzen. Denn hier kann man den Code schnell in Code-Zellen ausführen lassen und Ergebnisse visualisieren und sogar dokumentieren. Denn Python Notebooks sind eine Mischung aus Code-Umgebung und Wiki.
Für die KI-Unterstützung kann man generative AI nutzen, denn diese ermöglicht es, Code zu generieren, anstatt diesen neu zu schreiben. Der Github Copilot bringt genau dies mit.
Mindmap-Übersicht: Darum gehts in diesem Artikel
Github Copilot hilft bei der Datenanalyse durch automatisches Code-erstellen, auch für Nicht-Programmierer.
Was ist Github Copilot?
Github Copilot ist ein AI-Tool, das Code in vielen Programmiersprachen generieren kann. Dahinter steckt eine Kooperation von GitHub mit OpenAI. Das zugrundeliegende Sprachmodell nennt sich "Codex" (technisch auf GPT-3 basiert) und wurde auf dem umfangreichen Code-Datenmengen der beliebten Github-Plattform trainiert. Github Copilot ist als Plugin für die wichtigsten IDEs verfügbar und liefert sehr gute Code-Ergebnisse, mit denen man seine Coding- und Data-Analytics-Produktivität deutlich steigern kann.
Die Vorteile von Github Copilot
Schneller Coden (laut Github: 55% schneller, unsere Meinung: eine 10fache Steigerung ist möglich)
In allen Programmiersprachen und Frameworks coden, auch wenn man diese zuvor noch nicht gelernt hat
Man kann Coding leichter lernen, denn man kann Copilot jederzeit Fragen zum Code stellen
Komplexe Datenanalysen wie Clustering, Regression oder Klassifikation nutzen, auch wenn man kein Data Scientist ist
Developer können Code automatisch dokumentieren lassen und Unit-Tests automatisch erstellen
In welchen IDEs ist Github Copilot nutzbar?
Visual Studio Code
Visual Studio
JetBrains-Suite (IntelliJ IDEA und weitere)
Vim
Neovim
Azure Data Studio
Github.com (Github Copilot Enterprise)
Was kostet Github Copilot?
ca. 10 € / Monat
Welche Sprachen kann Github Copilot generieren
Die Antwort ist einfach: Github Copilot kann alle Programmiersprachen coden, die auf Github verfügbar sind. Demnach also nahezu alle
Python
Java
PHP
HTML, CSS
Javascript, Typescript
Javascript-Frameworks wie React, Angular, vue.js, Svelte
SQL
Scala, Rust, Ruby, Go, ...
diverse weitere
Tutorial: Interaktive Datenanalyse mit Python und Github Copilot
In diesem Tutorial zeigen wir, wie ihr eine SEO-Analyse von Ranking-Veränderungen mit Python umsetzt. Ein kleines Highlight: Man kann sogar mit einem Dropdown interaktiv wählen, welche URL man auswerten will. Als Tools verwenden wir Visual Studio Code und den Github Copilot.
Visual Studio Code ist Microsofts kostenlose Code-Lösung und weltweit die vermutlich meistgenutzte IDE. Hier könnt ihr Visual Studio Code für Windows, MacOS oder Linux herunterladen:
Python-Datei anlegen: Für die Analyse erstellen wir in Visual Studio Code eine neue Python-Datei, die wir "seo-analysis.ipynb" benennen. Dies kennzeichnet das Python-Notebook-Format.
Extensions: Wenn uns dafür noch Extensions fehlen, zeigt uns VS Code rechts unten einen Hinweis an, den wir einfach bestätigen.
Virtual Environment wählen
Für Python-Einsteiger der schwierigste Schritt: Python braucht eine virtuelle Umgebung ("venv"), in der man die Python-Runtime und alle notwendigen Libraries etc. installiert. Klickt oben im Menü auf "Run All" um den Code auszuführen und wählt im aufgehenden Dialog die vorgeschlagene Python-Umgebung aus.
Schritt 5: Python-Analyse mit Github Copilot erstellen
Jetzt haben wir alles vorbeitet und wir können die eigentliche Analyse mit Python coden.
Aufbau unseres Notebooks:
In einer Python-Notebook-Zelle bereiten wir die Daten vor, in einer weiteren Zelle zeigen wir diese an. Dazwischen setzen wir Überschriften als Markdown-Zellen. Um Überschriften fett zu machen, kann man diese mit dem "#" Zeichen + Leerzeichen markieren, also z.B. "# Step 1". Tipp: Überschriften kann man in verschiedenen Größen markieren, z.B. durch "# Headline 1", "## Headline 2", "### Headline 3" usw.
Github Copilot nutzen:
Man kann den Copilot auf mehrere Arten nutzen:
Im Editor: Beim coden werden automatisch Vorschläge gemacht. Mit Tab-Taste wird die vorgeschlagene Zeile übernommen. Man springt dann mit Return in die nächste Zeile, akzeptiert wieder mit Tab, bis der Code fertig ist.
Im Fenster: Mit STRG + I (MacOS: Command + I) kann man ein Prompt-Fenster öffnen. Hier kann man beschreiben, was man erledigt haben möchte. Z.B. "Create a tool for analysing rankings" oder "add documentation" oder weiteres. Ähnlich einem Git-Diff sieht man nun im Vergleich den generierten und den originalen Code und man kann den Code akzeptieren oder ablehnen.
Im Chat: In der linken schwarzen Menüleiste öffnet man den Chatbereich und kann nun mit dem Copilot chatten. Das ist praktisch, da der Chat neben dem Code angezeigt wird.
Python-Code - Teil 1: Daten einlesen
Wir lassen Github Copilot den Code zum Einlesen und Bereinigen der Datei erstellen. Hier einige Anregungen für einen passenden Prompt.
read the csv file "seo-data.csv", separated by ";"
create a new column "Type" with the value "Lost" if Position#2 is NaN, "Lower" if Position#2 is higher than Position#1, "Higher" if Position#2 is lower than Position#1
set Change to difference between Position#1 and Position#2
remove entries where SearchVolume is 0
create df_result. This contains the grouped data by URL, the sum of ClicksDelta
Python-Code - Teil 2: Charts anzeigen
Nun lassen wir Github Copilot die Charts anzeigen. Hier wieder Anregungen für den Prompt:
Show two histograms:
1. Change histogram: Show count of keywords for by position. Bin size is 5.
2. Position histogram: Show in the same histogram how many rankings per position we have on date #1 (blue) vs. date #2 (orange). Bin size is 5.
Add a dropdown which contains all URLs. When changing the dropdown, show the chart for the selected URL.
Das Ergebnis: Interaktive SEO-Datenanalyse im Python-Notebook
Mit diesem schnell erstellten Tool kann man nun seine Daten interaktiv analysieren und Erkenntnisse gewinnen. Diese Art von Analyse wäre in Excel deutlich aufwändiger, denn man müsste hier Charts für jede der 500 URLs erstellen. Und mit wenigen Klicks lässt sich die Analyse immer wieder mit neuen Daten oder für andere Projekte durchführen. Neue Features kann man ebenfalls nun per AI-Coding-Unterstützung mit Github Copilot hinzufügen. So baut man sich sein eigenes Analysetool ganz nach Wunsch. Viel Spaß beim Coden!
Hier könnt ihr das fertige Python-Notebook und die Sistrix-Daten herunterladen:
Dieser Absatz wurde durch generative KI auf Basis dieses Artikels erstellt
Was ist KI-gestütztes Coding und wie unterstützt es Data Analytics?
KI-gestütztes Coding, insbesondere mit Tools wie Github Copilot, ermöglicht es, Code automatisch zu generieren, wodurch Datenanalyse- und Visualisierungsaufgaben in Programmiersprachen wie Python effizienter durchgeführt werden können. Im Vergleich zu herkömmlichen Methoden wie Excel oder Dashboards spart dies langfristig Zeit und verringert Fehlerquellen.
Was ist Github Copilot und wie funktioniert es?
Github Copilot ist ein von GitHub und OpenAI entwickeltes KI-Tool, das auf dem Codex-Modell basiert und Code in vielen Programmiersprachen automatisch generieren kann. Es ist als Plugin für die wichtigsten IDEs verfügbar und steigert die Produktivität bei der Codeerstellung und Datenanalyse deutlich.
In welchen IDEs kann Github Copilot verwendet werden?
Github Copilot ist kompatibel mit Visual Studio Code, Visual Studio, der JetBrains-Suite (z.B. IntelliJ IDEA), Vim, Neovim, Azure Data Studio und Github.com (Github Copilot Enterprise).
Was kostet Github Copilot?
Die Nutzung von Github Copilot kostet etwa 10 € pro Monat.
Wie führt man eine interaktive Datenanalyse mit Python und Github Copilot durch?
Um eine interaktive Datenanalyse durchzuführen, installiert man zunächst Visual Studio Code und Github Copilot, bereitet die Datenanalyse vor (z.B. durch Herunterladen und Aufbereiten von Daten) und führt dann die Analyse mithilfe von Python-Code und der Unterstützung durch Github Copilot durch. Dies ermöglicht es, interaktive Elemente wie Dropdown-Menüs für die Datenauswahl zu integrieren und die Analyse effizient zu gestalten.
Welche Programmiersprachen kann Github Copilot generieren?
Github Copilot kann Code in nahezu allen auf Github verfügbaren Programmiersprachen generieren, einschließlich Python, Java, PHP, HTML/CSS, Javascript (und Frameworks wie React, Angular, Vue.js, Svelte), SQL, Scala, Rust, Ruby, Go und vielen weiteren.
Wie unterstützt Github Copilot das Erlernen von Coding und Datenanalyse?
Github Copilot erleichtert das Erlernen von Coding und Datenanalyse, indem es nicht nur Code generiert, sondern auch als interaktives Lernwerkzeug dient. Nutzer können direkt im Coding-Prozess Fragen zum Code stellen und erhalten Unterstützung bei der Implementierung komplexer Datenanalysen und der automatischen Dokumentation ihres Codes.
Ralf Schukay liebt Analytics, Python & alles mit Daten. In seiner Freizeit spielt er Synthesizer (Nord, Novation), joggt und fährt Gravel Bike. Er arbeitet als Teamlead Analytics & Conversion mit einem fitten und netten Team in der Berliner Digitalagentur >MAI mediaworx<
Wir verwenden Technologien wie Cookies, um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wir tun dies, um das Surferlebnis zu verbessern und um personalisierte Werbung anzuzeigen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Funktionen beeinträchtigt werden.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
