Name: Datenbearbeitung mit pandas
Rating: 4.799275178026449 (15728 reviews)

Kursbeschreibung

Datenmanipulation mit Pandas entdecken

In diesem Kurs erfährst du, warum Pandas die weltweit beliebteste Python-Bibliothek ist, die für alles von der Datenmanipulation bis zur Datenanalyse verwendet wird. Du lernst, wie du DataFrames manipulieren kannst, indem du reale Datensätze für deine Analysen extrahierst, filterst und umwandelst.

Mit Pandas lernst du alle wichtigen Konzepte der Datenwissenschaft kennen. Anhand von realen Daten wie Walmart-Verkaufszahlen und globalen Temperaturzeitreihen lernst du, wie du Daten importierst, bereinigst, Statistiken berechnest und Visualisierungen erstellst - mit Pandas, um die Leistungsfähigkeit von Python zu erweitern.

Arbeite mit Pandas Data, um grundlegende Konzepte der Datenwissenschaft zu erforschen

Zu Beginn lernst du die Grundlagen von Pandas, wie du DataFrames inspizierst und einige grundlegende Manipulationen durchführst. Außerdem lernst du, wie du DataFrames aggregieren kannst, bevor du zum Slicen und Indizieren übergehst.

Zum Abschluss des Kurses lernst du, wie du den Inhalt deiner DataFrames visualisieren kannst, indem du mit einem Datensatz arbeitest, der wöchentliche US Avocado-Verkäufe enthält.

Lernen, DataFrames zu manipulieren

Wenn du diesen Pandas-Kurs absolvierst, weißt du, wie du diese Python-Bibliothek zur Datenmanipulation nutzen kannst. Du verstehst DataFrames und ihre Verwendung und kannst deine Daten in Python visualisieren.

Voraussetzungen

Intermediate Python

Lernprogramm

Kursübersicht

DataFrames transformieren

Los geht’s mit den Grundlagen von pandas! In diesem Kapitel lernst du, wie du den Inhalt von DataFrames untersuchst und grundlegende Bearbeitungsschritte durchführst, zum Beispiel das Sortieren von Zeilen, das Auswählen von Teilmengen und das Hinzufügen neuer Spalten.

Kapitel starten

DataFrames aggregieren

In diesem Kapitel berechnest du zusammenfassende Kennzahlen für DataFrame-Spalten und übst den Umgang mit gruppierten zusammenfassenden Kennzahlen und Pivot-Tabellen.

Kapitel starten

DataFrames zerlegen und indizieren

Indizes sind quasi leistungsfähigere Zeilen- und Spaltennamen. In diesem Kapitel werden sie mit Slices kombiniert, um auch komplexere Teilmengen von DataFrames zu extrahieren.

Kapitel starten

DataFrames erstellen und visualisieren

Lerne, wie du den Inhalt deiner DataFrames anzeigen, mit fehlenden Datenwerten umgehen und Daten aus CSV-Dateien importieren und in CSV-Dateien exportieren kannst.