Python-Übungen für Einsteiger: Ein praxisnaher Leitfaden mit Lösungen

Python lernst du am besten durch Wiederholung, Ausprobieren und Lösen konkreter Probleme. Deshalb steht das Prinzip „Learning by Doing“ im Zentrum jeder effektiven Programmierausbildung. 

Code schreiben, Fehler machen und beheben – so baust du dir echte Kompetenzen auf.

In diesem Artikel arbeiten wir uns durch eine strukturierte Sammlung von Python-Übungen speziell für Einsteiger. Wir starten mit einfachen Variablen und steigern uns schrittweise zu Funktionen, Datenstrukturen und kleinen Datenprojekten.

Bevor du weiterliest, eine kleine Herausforderung: Versuche, die ersten drei Übungen direkt zu lösen – ohne vorher in die Erklärungen zu schauen. Selbst wenn du hängenbleibst: Im Ausprobieren passiert der größte Lernfortschritt.

Wenn du eine geführte Erfahrung bevorzugst, prüfen DataCamp-Kurse deine Syntax und Logik Schritt für Schritt automatisch. Das verhindert, dass kleine Fehler dich ausbremsen – besonders hilfreich am Anfang. Ein guter Startpunkt ist der Kurs Introduction to Python.

So startest du mit Python-Übungen

Bevor es losgeht, brauchst du eine einfache Umgebung, in der du Python-Code schreiben und ausführen kannst. Zum Glück ist der Einstieg heute so leicht wie nie.

Vorbereitung

Um Python lokal auszuführen, installiere einen einsteigerfreundlichen Code-Editor wie Visual Studio Code.

Ein typisches Setup sieht so aus:

• Installiere Python von der offiziellen Website

• Installiere Visual Studio Code

• Füge in VS Code die Python-Erweiterung hinzu

• Erstelle eine neue .py-Datei und leg los

VS Code ist ein guter Einstieg, da es Open Source und kostenlos ist. Du kannst die Software auf der Download-Seite herunterladen und nach dem Download direkt installieren.

Wenn du nichts installieren willst, nutze DataLab – eine browserbasierte Umgebung, in der du Python- (und SQL-) Code sofort ausführen kannst. Ideal, um Tutorials zu begleiten, Snippets zu testen und ohne Setup-Hürden zu experimentieren.

So nutzt du diese Übungen

Damit du maximal lernst, ist jede Übung so gedacht, dass du sie zuerst selbst versuchst – bevor du Lösung oder Erklärung liest.

So holst du das meiste heraus:

• Investiere mindestens 15 Minuten in einen eigenen Lösungsversuch
• Schreibe das komplette Programm, auch wenn es sich wiederholt anfühlt
• Prüfe die Musterlösung erst, nachdem du es versucht hast

Eine vollständige Musterlösung für alle Übungen findest du in diesem verlinkten DataLab-Workbook. So kannst du deinen Ansatz mit einer funktionierenden Lösung vergleichen und alternative Wege kennenlernen.

Python-Übungen zu Variablen, Eingabe und Ausgabe

Starten wir mit grundlegenden Bausteinen: Werte speichern, Nutzereingaben lesen und Ausgaben mit print auf dem Bildschirm ausgeben.

Die personalisierte Begrüßung

Zum Auftakt eine simple Python-Übung, die eine persönliche Nachricht ausgibt.

Übung

Schreibe ein Programm, das:

• Die Nutzerin oder den Nutzer mit input() nach dem Namen fragt

• Mit input() nach dem Alter fragt

• Eine Begrüßung mit formatierten Strings ausgibt

• Das Jahr berechnet, in dem die Person 100 wird

Bevor du Code schreibst, hilft es, den Informationsfluss zu verstehen: Die Nutzerin/der Nutzer liefert Rohtext, Python speichert ihn in Variablen und du verwandelst diese Werte in etwas Sinnvolles. 

Diese Übung spiegelt viele echte Programme wider: Eingaben sind selten direkt nutzbar und müssen zuerst validiert oder konvertiert werden.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

# Task: Ask for the user's name
name = input("Enter your name: ")

# Task: Ask for the user's age (note: input() returns a string)
age_str = input("Enter your age: ")

# Task: Convert age_str to an int
# age = ...

# Task: Calculate the year the user turns 100
# Tip: you'll need the current year
# current_year = ...
# year_turn_100 = ...

# Task: Print a personalized message using an f-string
# print(...)

Geübte Konzepte

• input() liefert immer einen String

• Strings mit int() in Integer umwandeln

• Einfache Arithmetik mit Zahlen

• Stringformatierung mit f-Strings

Du lernst hier, dass Eingaben oft transformiert werden müssen, bevor du mit ihnen rechnen kannst.

Der Temperatur-Umrechner

Setzen wir deine Python-Skills für einfache Einheitenumrechnungen ein.

Übung

Schreibe ein Programm, das:

• Nach einer Temperatur in Celsius fragt

• Sie mit der Formel F = (C × 9/5) + 32 in Fahrenheit umrechnet

• Die umgerechnete Temperatur ausgibt

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

# Task: Ask the user for a Celsius temperature
celsius_str = input("Temperature in Celsius: ")

# Task: Convert the input to a float
# celsius = ...

# Task: Apply the conversion formula
# fahrenheit = ...

# Task: Print the result (consider formatting to 1–2 decimal places)
# print(...)

Geübte Konzepte

• Gleitkommazahlen

• Arithmetische Ausdrücke

• Type Casting mit float()

Diese Übung zeigt: Nicht jede Zahl ist ganzzahlig – Python kann Dezimalzahlen selbstverständlich verarbeiten.

Das Tausch-Rätsel

Diese Aufgabe wirkt trivial, doch viele Einsteiger denken bei Variablen an Boxen, die man Schritt für Schritt leert und füllt. Schauen wir uns an, wie man in Python Werte tauscht.

Übung

Gegeben sind a = 5 und b = 10. Tausche die Werte, ohne sie manuell einzeln neu zuzuweisen.

Python erlaubt eine ausdrucksstarke Sicht auf Zuweisungen: Werte können in einem Schritt entpackt und neu zugewiesen werden.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

a = 5
b = 10

# Task: Swap a and b
# Hint: Try a temporary variable first.
# Then try the Pythonic approach (tuple unpacking).

# Task: Print the swapped values to verify
# print("a:", a)
# print("b:", b)

Geübte Konzepte

• Variablenzuweisung
• Temporäre Variable vs. Tuple-Unpacking

So lernst du Tuple-Unpacking kennen – ein Feature, das Python prägnant und ausdrucksstark macht.

Mehr Grundlagen findest du im Python Cheat Sheet.

Python-Übungen zu Kontrollfluss und Logik

Kontrollfluss ermöglicht es deinen Programmen, Entscheidungen zu treffen und Aktionen abhängig von Bedingungen zu wiederholen.

Gerade-oder-ungerade-Prüfer

Ein häufiger Einsatz des Modulo-Operators ist die Gerade/Ungerade-Prüfung. Probieren wir das aus.

Übung

Schreibe ein Programm, das:

• Die Nutzerin/den Nutzer nach einer Zahl fragt

• Den Modulo-Operator % verwendet

• Ausgibt, ob die Zahl gerade oder ungerade ist

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

# Task: Ask the user for a number
num_str = input("Enter a whole number: ")

# Task: Convert to int
# num = ...

# Task: Use modulo (%) to decide even vs odd
# if ...:
#     print("Even")
# else:
#     print("Odd")

Geübte Konzepte

• Modulo-Operator

• if / else-Anweisungen

• Boolesche Logik

Hier siehst du oft zum ersten Mal, wie Bedingungen das Programmverhalten steuern.

Die klassische FizzBuzz-Challenge

Eine der bekanntesten Programmierübungen ist FizzBuzz. Schauen wir uns an, worum es geht.

Übung

Gib die Zahlen von 1 bis 100 nach folgenden Regeln aus:

• Vielfache von 3: Ausgabe Fizz

• Vielfache von 5: Ausgabe Buzz

• Vielfache von 3 und 5: Ausgabe FizzBuzz

Diese Übung schärft dein Denken in Entscheidungsbäumen und Edge Cases – eine zentrale Fähigkeit für reale Programme.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

# Task: Loop from 1 to 100
for n in range(1, 101):
    # Task: Check multiples of 3 AND 5 first
    # if ...:
    #     print("FizzBuzz")

    # Task: Then multiples of 3
    # elif ...:
    #     print("Fizz")

    # Task: Then multiples of 5
    # elif ...:
    #     print("Buzz")

    # Task: Otherwise, print the number
    # else:
    #     print(n)
    pass

Geübte Konzepte

• for-Schleifen

• Reihenfolge von Bedingungen

• Logische Operatoren

FizzBuzz gilt als kleine Bewährungsprobe und schult strukturiertes Denken im Kontrollfluss. Mehr zu Schleifen findest du im Python-Loop-Tutorial.

Das Zahlenratespiel

Diese Übung führt interaktive Programme ein, die dynamisch auf Eingaben reagieren.

Übung

Schreibe ein Programm, das:

• Eine Zufallszahl erzeugt (Modul random importieren)

• Mit einer while-Schleife wiederholt nach Tipps fragt

• Nach jedem Tipp „Too high“ oder „Too low“ ausgibt

• Stoppt, wenn die richtige Zahl erraten wurde

Das ist oft das erste Programm, das sich wirklich interaktiv anfühlt. Anders als frühere Skripte, die linear von oben nach unten laufen, bleibt dieses aktiv, bis eine Bedingung erfüllt ist.

Der entscheidende Sprung ist hier das Verständnis von Abbruchbedingungen in Schleifen.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

import random

# Task: Pick a random number in a reasonable range
# target = random.randint(1, 100)

# Task: Use a while loop to keep asking until correct
# while ...:
#     guess_str = input("Your guess (1–100): ")
#     # guess = ...
#     # if guess > target:
#     #     print("Too high")
#     # elif guess < target:
#     #     print("Too low")
#     # else:
#     #     print("Correct!")
#     #     break

Geübte Konzepte

• Module importieren (random)

• while-Schleifen

• Abbruchbedingungen für Schleifen

Python-Übungen zu Listen, Schleifen und Iteration

Listen ermöglichen es dir, mit Wertsammlungen zu arbeiten, und Schleifen verarbeiten sie effizient.

Die Listensumme

Dieses Muster begegnet dir häufig in Datenverarbeitung und Analytics-Workflows.

Übung

Schreibe ein Programm, das alle Zahlen in einer Liste summiert – ohne die eingebaute Funktion sum() zu verwenden. Die Summenlogik soll explizit in einer Schleife erfolgen, nicht über andere Aggregationshelfer.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

numbers = [3, 7, 2, 9, 4]

# Task: Create an accumulator variable
# total = ...

# Task: Loop through numbers and add each value to total
# for ...:
#     ...

# Task: Print the final total
# print(total)

Geübte Konzepte

• Initialisieren einer Akkumulator-Variablen

• Iterieren mit for-Schleifen

• Werte schrittweise aktualisieren

Weitere Beispiele zu Listen findest du in unserem Guide zu den häufigsten Python-Listenfragen.

Die größte Zahl finden

Diese Übung ähnelt der vorherigen, funktioniert in der Schleife aber anders. Sie stärkt dein algorithmisches Denken und zeigt, wie eingebaute Funktionen intern arbeiten könnten.

Übung

Fordere die Nutzerin/den Nutzer heraus, die größte Zahl in einer Liste zu finden – ohne max().

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

numbers = [12, 5, 27, 3, 19]

# Task: Initialize current_max using the first element
# current_max = numbers[0]

# Task: Loop through the remaining elements and update current_max
# for ...:
#     if ...:
#         current_max = ...

# Task: Print the largest number
# print(current_max)

Geübte Konzepte

• Vergleichslogik
• Zustand während der Iteration verfolgen

Duplikate entfernen

Realdaten sind oft unordentlich – dazu zählen doppelte Einträge. Diese Übung bereitet dich auf Datenbereinigung vor.

Übung

Wandle eine Liste mit Duplikaten in eine neue Liste mit nur eindeutigen Elementen um.

Auf den ersten Blick wirkt das simpel, doch du lernst dabei, bereits Gesehenes zu verfolgen. Das ist grundlegend in der Datenverarbeitung, wo doppelte Datensätze regelmäßig identifiziert und entfernt werden.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

data = ["apple", "banana", "apple", "orange", "banana", "kiwi"]

# Task: Create a new list for unique items
# unique = []

# Task: Loop through data and append items you haven't seen yet
# for item in data:
#     if ...:
#         ...

# Task: Print or return the unique list
# print(unique)

Geübte Konzepte

• Mitgliedschaftsprüfung mit in

• Neue Listen aufbauen

• Daten-Eindeutigkeit verstehen

Python-Übungen zu Dictionaries und String-Manipulation

Dictionaries und Strings sind essenziell, um Textdaten zu organisieren und zu transformieren. Schauen wir uns an, wie man damit arbeitet.

Der Zeichenhäufigkeitszähler

Diese Übung zeigt dir, wie man Häufigkeitstabellen aufbaut – eine gängige Aufgabe in der Datenanalyse.

Übung

Nimm einen Texteingang und gib ein Dictionary zurück, das zählt, wie oft jedes Zeichen vorkommt.

Das ist ein großer konzeptioneller Schritt: Du baust eine Datenstruktur dynamisch zur Laufzeit auf. Statt mit vorgegebenen Listen oder Dictionaries zu arbeiten, erstellst und aktualisierst du Einträge basierend auf den eingehenden Daten.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

text = input("Enter some text: ")

# Task: Create an empty dictionary
# counts = {}

# Task: Loop over each character and update counts
# for ch in text:
#     # Option A: counts[ch] = counts.get(ch, 0) + 1
#     # Option B: if ch in counts: ... else: ...
#     pass

# Task: Print the frequency table
# print(counts)

Geübte Konzepte

• Dictionaries

• .get()-Methode

• Bedingte Initialisierung

Das einfache Telefonbuch

Diese Übung berührt Dictionary-Logik – ein Fundament, um später tabellarische Datenstrukturen zu verstehen.

Übung

Erstelle ein Programm, das Namen und Nummern in einem Dictionary speichert und die Suche nach Namen erlaubt.

Hier nutzt du ein Programm als nachschlagbares Werkzeug statt nur für eine einmalige Rechnung. Du modellierst eine vereinfachte Version davon, wie viele Anwendungen Informationen speichern und abrufen.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

phonebook = {
    # "Alice": "9123 4567",
    # "Ben": "9876 5432",
}

# Task: (Optional) add entries via input()
# name = input("Name to add: ")
# number = input("Number to add: ")
# phonebook[name] = number

# Task: Search loop (one lookup is fine for a start)
query = input("Search name: ")

# Task: Print the number if found, otherwise print a friendly message
# if ...:
#     print(...)
# else:
#     print("Not found")

Geübte Konzepte

• Dictionary-Lookups
• Schlüssel-Wert-Beziehungen

Wenn du tiefer in Dictionaries einsteigen willst, lies unseren umfassenden Guide zu den Python Dictionary Methods.

Palindrome-Checker

Diese Übung kombiniert Textverarbeitung mit logischem Vergleich am Beispiel von Palindromen.

Übung

Ein Palindrom ist ein Wort, eine Phrase, Zahl oder Zeichenfolge, die vorwärts wie rückwärts gleich ist. Schreibe ein Skript, das prüft, ob ein String – unabhängig von Groß-/Kleinschreibung und Leerzeichen – ein Palindrom ist.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

text = input("Enter a word or phrase: ")

# Task: Normalize (lowercase + remove spaces)
# normalized = ...

# Task: Reverse using slicing
# reversed_text = ...

# Task: Compare and print a result message
# if ...:
#     print("Palindrome")
# else:
#     print("Not a palindrome")

Geübte Konzepte

• String-Methoden (lower(), replace())

• String-Slicing ([::-1])

Python-Übungen zu Funktionen und Modularität

Funktionen helfen dir, wiederverwendbaren, strukturierten Code zu schreiben – statt Logik zu duplizieren.

Der Fakultätsrechner

Der Fakultätsrechner hilft dir, Rückgabewerte zu verstehen – essenziell für größere Programme.

Übung

Definiere eine Funktion, die eine ganze Zahl nimmt und ihre Fakultät mit einer Schleife zurückgibt.

Der Unterschied zwischen Ausgeben und Zurückgeben ist wichtig: Rückgabewerte erlauben Komposition mit anderem Code – unerlässlich, wenn Programme anwachsen.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

def factorial(n: int) -> int:
    """Return n! (factorial of n) using a loop."""
    # Task: Decide how to handle n < 0

    # Task: Initialize result
    # result = ...

    # Task: Multiply result by each integer from 1 to n
    # for ...:
    #     ...

    # Task: Return the computed factorial
    # return result
    pass

# Optional quick test
# print(factorial(5))  # expected: 120

Geübte Konzepte

• Funktionsdefinitionen
• Schleifenbasierte Berechnungen
• Werte zurückgeben vs. ausgeben

Mehr zu Funktionen findest du im Python-Functions-Tutorial.

Primzahl-Validator

Als Nächstes bauen wir eine Funktion, die prüft, ob eine Zahl eine Primzahl ist – ideal, um wiederverwendbare Logik zu kapseln.

Übung

Schreibe eine Funktion, die True zurückgibt, wenn eine Zahl prim ist, sonst False.

Primzahlprüfungen zeigen, wie Funktionen Logik sauber kapseln. Einmal geschrieben, kannst du sie überall verwenden, ohne die Details erneut zu verstehen.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

def is_prime(n: int) -> bool:
    """Return True if n is prime, otherwise False."""
    # Task: Handle small cases (n <= 1)

    # Task: Check divisibility from 2 up to an appropriate limit
    # for ...:
    #     if ...:
    #         return False

    # Task: If no divisors found, return True
    # return True
    pass

# Optional quick tests
# print(is_prime(2))   # expected: True
# print(is_prime(15))  # expected: False

Geübte Konzepte

• Schleifen
• Frühe Rückgaben
• Logische Effizienz

Flexibler Argument-Printer

Hier lernst du fortgeschrittene Funktionssignaturen kennen, wie sie viele Python-Bibliotheken nutzen.

Übung

Erstelle eine Funktion, die beliebig viele Argumente über *args akzeptiert und sie einzeln ausgibt.

So lernst du eine der flexibleren Python-Funktionen kennen: variadische Argumente. Das rückt den Fokus weg von fixen Eingaben hin zu Funktionen, die sich verschiedenen Nutzungsmustern anpassen.

Wenn du *args verstehst, fällt es dir leichter, reale Bibliotheken zu lesen und zu nutzen, in denen Funktionen oft eine flexible Zahl an Parametern akzeptieren.

Starter-Code

Hier ist etwas Starter-Code als Leitplanke:

def print_args(*args) -> None:
    """Print each positional argument on its own line."""
    # Task: Loop over args and print each one
    # for ...:
    #     print(...)
    pass

# Optional quick test
# print_args("hello", 42, True)

Geübte Konzepte

• Variadische Argumente
• Funktionale Flexibilität

Python-Skills in geführten Projekten anwenden

Übungen bauen Kompetenzen auf, aber Projekte verwandeln sie in Selbstvertrauen.

Netflix-Filme untersuchen

Im geführten Projekt Investigating Netflix Movies gehst du einer scheinbar einfachen Frage nach: Werden Filme im Laufe der Zeit kürzer? Dafür arbeitest du mit einem realen Datensatz von Netflix-Titeln und verwandelst rohe Datenzeilen Schritt für Schritt in eine klare visuelle Erkenntnis.

Die Stärke dieses Projekts: Es schlägt die Brücke zwischen Python-Grundlagen und angewandter Datenanalyse. Du siehst, wie einfache Logik im Zusammenspiel mit den richtigen Tools skaliert – ganz ohne lokale Installation.

Dr. Semmelweis und die Entdeckung der Handhygiene

Das Projekt Dr. Semmelweis and the Importance of Handwashing versetzt dich in die Rolle einer Datenanalystin/eines Datenanalysten, die/der ein historisches Problem untersucht. Mitte des 19. Jahrhunderts beobachtete Dr. Ignaz Semmelweis ungewöhnlich hohe Sterblichkeitsraten in einer Krankenhausstation im Vergleich zu einer anderen – es fehlten jedoch die rechnerischen Werkzeuge, um die Ursache zu belegen.

Anhand historischer Aufzeichnungen analysierst du Mortalitätsdaten vor und nach der Einführung der Händehygiene. Das Projekt konzentriert sich auf die Arbeit mit tabellarischen Daten in pandas, das Berechnen von Raten und den Vergleich von Durchschnitten über Zeiträume. 

Den NYC-Airbnb-Markt erkunden

Im Projekt Exploring Airbnb Market Trends arbeitest du in einem Szenario, das realer Analytics-Arbeit stark ähnelt: unaufgeräumte, inkonsistente Daten, die umfangreiche Bereinigung erfordern, bevor sinnvolle Analysen möglich sind. 

Der Datensatz enthält Mietangebote mit Preisen als Strings, fehlenden Bewertungs-Scores und uneinheitlicher Formatierung.

Deine Hauptaufgabe ist, die Daten zu bereinigen und zu standardisieren. Das Projekt macht klar: Datenaufbereitung ist keine lästige Vorstufe, sondern eine Kernkompetenz der Analyse. Oft verbringen Datenprofis den Großteil ihrer Zeit mit Bereinigung – hier bekommst du dafür einen praxisnahen Checkpoint.

Fazit

Du hast mit einfachen Variablen und Eingaben begonnen, bist durch Kontrollfluss, Datenstrukturen und Funktionen gegangen und hast alles in geführten Projekten angewendet. Diese Übungen geben dir einen guten Einblick, wie Python in der Praxis genutzt wird.

Dein nächster Schritt ist ein strukturiertes Lernprogramm. Regelmäßiges Üben kombiniert mit geführter Anleitung bringt dich am schnellsten vom Üben zur Expertise. Ich empfehle dir unseren Lernpfad Python Programming oder den Data Scientist Track, um loszulegen.