Datenbearbeitung mit pandas
Lernen Sie, Daten zu importieren und zu bereinigen, Statistiken zu berechnen und Visualisierungen zu erstellen.
Kurs Kostenlos Starten4 Stunden15 Videos56 Übungen415.349 LernendeLeistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
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.Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Datenmanipulation mit Python
Gehe zu Track- 1
DataFrames transformieren
KostenlosLass uns mit den Grundlagen von pandas anfangen! Du lernst, wie du den Inhalt von DataFrames untersuchen kannst und grundlegende Manipulationen durchführst, zum Beispiel das Sortieren von Zeilen, das Auswählen von Teilmengen und das Hinzufügen neuer Spalten.
Einführung in DataFrames50 xpDataFrames inspizieren100 xpTeile von DataFrames100 xpSortierung und Teilmengenauswahl50 xpZeilen sortieren100 xpSpalten auswählen100 xpZeilen auswählen100 xpZeilen nach kategorialen Variablen auswählen100 xpNeue Spalten50 xpNeue Spalten hinzufügen100 xpKombi-Angriff!100 xp - 2
DataFrames aggregieren
In diesem Kapitel berechnest du zusammenfassende Kennwerte für DataFrame-Spalten und übst den Umgang mit gruppierten zusammenfassenden Kennwerten und Pivot-Tabellen.
Zusammenfassende Kennwerte50 xpMittelwert und Median100 xpDatumsangaben zusammenfassen100 xpEffiziente Zusammenfassungen100 xpKumulative Kennwerte100 xpZählen50 xpDuplikate entfernen100 xpKategoriale Variablen zählen100 xpGruppierte zusammenfassende Kennwerte50 xpWie viel Prozent des Umsatzes wurde in den einzelnen Markttypen erzielt?100 xpBerechnungen mit .groupby()100 xpMehrere gruppierte Zusammenfassungen100 xpPivot-Tabellen50 xpNach einer Variablen pivotieren100 xpFehlende Werte auffüllen und Werte mit Pivot-Tabellen summieren100 xp - 3
DataFrames zerlegen und indizieren
Indizes sind quasi leistungsfähigere Zeilen- und Spaltennamen. Erfahre, wie du sie mit Slicing kombinieren kannst, um auch komplexere Teilmengen von DataFrames zu extrahieren.
Explizite Indizes50 xpIndizes setzen und entfernen100 xpTeilmengen mit .loc[] auswählen100 xpMehrstufige Indizes setzen100 xpNach Indexwerten sortieren100 xpSlicing und Teilmengenauswahl mit .loc und .iloc50 xpSlicing mit Indexwerten100 xpSlicing in beide Richtungen100 xpSlicing mit Zeitreihen100 xpTeilmengenauswahl nach Zeilen-/Spaltennummer100 xpMit Pivot-Tabellen arbeiten50 xpTemperatur nach Stadt und Jahr pivotieren100 xpTeilmengen von Pivot-Tabellen auswählen100 xpBerechnungen mit Pivot-Tabellen durchführen100 xp - 4
DataFrames erstellen und visualisieren
In diesem Kapitel lernst du, die Inhalte deiner DataFrames zu visualisieren, mit fehlenden Datenwerten umzugehen und Daten aus und in CSV-Dateien zu importieren bzw. zu exportieren.
Daten visualisieren50 xpWelche Avocado-Größe ist am beliebtesten?100 xpVeränderungen der Umsätze im Zeitverlauf100 xpAngebot und Nachfrage bei Avocados100 xpPreis von konventionell vs. biologisch angebauten Avocados100 xpFehlende Werte50 xpFehlende Werte finden100 xpFehlende Werte entfernen100 xpFehlende Werte ersetzen100 xpDataFrames erstellen50 xpListe von Dictionarys100 xpDictionary aus Listen100 xpCSV-Daten lesen und schreiben50 xpVon CSV zum DataFrame100 xpVom DataFrame zu CSV100 xpZusammenfassung50 xp
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Datenmanipulation mit Python
Gehe zu TrackMaggie Matsui
Mehr AnzeigenCurriculum Manager at DataCamp
Richie Cotton
Mehr AnzeigenData Evangelist at DataCamp
Was sagen andere Lernende?
Melden Sie sich an 15 Millionen Lernende und starten Sie Datenbearbeitung mit pandas Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.