Name: Daten zusammenführen mit pandas
Rating: 4.802378378378378 (9250 reviews)

Kursbeschreibung

Mehrere Datensätze kombinieren und damit arbeiten zu können, ist eine Schlüsselkompetenz für angehende Data Scientists. pandas ist ein zentrales Fundament des Python-Datenökosystems; auf Stack Overflow verzeichnen Fragen zu pandas 5 Millionen Aufrufe. Lerne, mehrere DataFrames zu handhaben, indem du sie mit pandas kombinierst, organisierst, zusammenführst und umformst. Du arbeitest mit Datensätzen der Weltbank und der City of Chicago. Am Ende des Kurses verfügst du über ein solides Skillset zum Zusammenführen von Daten in pandas.Die Videos enthalten Live-Transkripte, die du über "Show transcript" unten links im Video einblenden kannst.Das Kursglossar findest du rechts im Bereich Ressourcen.Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in der qualifizierten Bewertung mindestens 70 % erreichen. Du gelangst zur Bewertung, indem du rechts auf den Hinweis zu den CPE-Credits klickst.

Voraussetzungen

Data Manipulation with pandas

Lernprogramm

Kursübersicht

Grundlagen des Zusammenführens von Daten

Lerne, wie du unterschiedliche Daten mit Inner Joins zusammenführen kannst. Durch das Kombinieren von Informationen aus mehreren Quellen deckst du spannende Erkenntnisse auf, die zuvor verborgen waren. Du erfährst außerdem, wie sich die Beziehung zwischen den Quellen – etwa One-to-One oder One-to-Many – auf dein Ergebnis auswirkt.

Kapitel starten

Tabellen mit verschiedenen Join-Typen zusammenführen

Vertiefe dein Wissen über Joins. In diesem Kapitel arbeitest du mit TMDb-Filmdaten und lernst Left-, Right- und Outer Joins kennen. Du entdeckst außerdem, wie du eine Tabelle mit sich selbst zusammenführst und anhand eines DataFrame-Index zusammenführst.

Kapitel starten

Erweitertes Zusammenführen und Verketten

In diesem Kapitel nutzt du leistungsstarke Filtertechniken, darunter Semi-Joins und Anti-Joins. Du lernst außerdem, DataFrames durch vertikales Kombinieren zusammenzukleben und mit der Funktion pandas.concat neue Datensätze zu erstellen. Und weil Daten selten sauber sind, lernst du schließlich auch, wie du deine neu kombinierten Datenstrukturen validierst.

Kapitel starten

Geordnete Daten und Zeitreihen zusammenführen

Im letzten Kapitel legst du noch einen Gang zu und lernst, die spezialisierten Methoden von pandas zum Zusammenführen von Zeitreihen und geordneten Daten auf reale Finanz- und Wirtschaftsdaten der Stadt Chicago anzuwenden. Außerdem lernst du, die resultierenden Tabellen im SQL-Stil mit .query() abzufragen und Daten mit der Methode .melt() zu entpivotieren.