Zusammenfassung des Kaggle-Pandas-Kurses
Eine Zusammenfassung des Inhalts des Pandas-Minikurses aus den öffentlichen Kaggle-Kursen.
Pandas
Lösen Sie kurze praktische Aufgaben, um Ihre Datenmanipulationsfähigkeiten zu perfektionieren.
Lektion 1. Erstellen, Lesen und Schreiben
Pandas importieren
1
import pandas as pd
Pandas hat zwei zentrale Objekte: DataFrame und Series.
DataFrame
Ein DataFrame ist eine Tabelle. Es enthält eine Matrix aus einzelnen Einträgen, wobei jeder Eintrag einen bestimmten Wert hat und einer Zeile (row oder record) und einer Spalte (column) entspricht. Die Einträge in einem DataFrame müssen nicht unbedingt Zahlen sein.
1
pd.DataFrame({'Bob': ['Ich mochte es.', 'Es war schrecklich.'], 'Sue': ['Ziemlich gut.', 'Fade.']})
Die Deklaration eines DataFrames erfolgt im Format eines Python-Wörterbuchs (dictionary). Die Schlüssel (keys) sind die Spaltennamen, die Werte (values) sind Listen der einzutragenden Elemente.
Normalerweise werden bei der Deklaration eines DataFrames den Spaltenbeschriftungen die Namen der Spalten zugewiesen, aber den Zeilenbeschriftungen werden die Ganzzahlen 0, 1, 2… zugewiesen. Bei Bedarf können die Zeilenbeschriftungen manuell festgelegt werden. Die Liste der Zeilenbeschriftungen in einem DataFrame wird als Index bezeichnet und kann mit dem Parameter index festgelegt werden.
1
2
3
pd.DataFrame({'Bob': ['Ich mochte es.', 'Es war schrecklich.'],
'Sue': ['Ziemlich gut.', 'Fade.']},
index=['Produkt A', 'Produkt B'])
Series
Eine Series ist eine Sequenz von Datenwerten.
1
pd.Series([1, 2, 3, 4, 5])
Eine Series ist im Wesentlichen wie eine einzelne Spalte eines DataFrames. Daher kann auch hier ein Index festgelegt werden. Der Unterschied besteht darin, dass eine Series statt eines ‘Spaltennamens’ einen ‘Namen’ (name) hat.
1
pd.Series([30, 35, 40], index=['Verkäufe 2015', 'Verkäufe 2016', 'Verkäufe 2017'], name='Produkt A')
Series und DataFrames sind eng miteinander verwandt. Es kann hilfreich sein, sich einen DataFrame einfach als eine Sammlung von Series vorzustellen.
Datendateien einlesen
In vielen Fällen werden Daten nicht direkt erstellt, sondern vorhandene Daten importiert. Daten können in verschiedenen Formaten gespeichert sein, wobei das grundlegendste Format die CSV-Datei ist. Der Inhalt einer CSV-Datei sieht normalerweise wie folgt aus:
1
2
3
4
Produkt A,Produkt B,Produkt C,
30,21,9,
35,34,1,
41,11,11
Eine CSV-Datei ist also eine Tabelle, in der die einzelnen Werte durch Kommas (comma) getrennt sind. Daher der Name “Comma-Separated Values”, CSV.
Um Daten im CSV-Dateiformat in ein DataFrame zu laden, verwendet man die Funktion pd.read_csv().
Mit dem Attribut shape kann man die Größe des DataFrames überprüfen.
Mit dem Befehl head() können die ersten fünf Zeilen des DataFrames angezeigt werden.
Die Funktion pd.read_csv() hat über 30 Parameter. Wenn beispielsweise die zu ladende CSV-Datei einen eigenen Index enthält, kann man den Wert des Parameters index_col festlegen, damit Pandas diese Spalte als Index verwendet, anstatt automatisch einen Index zu erstellen.
Daten schreiben
Mit der Methode to_csv() kann ein DataFrame in eine CSV-Datei exportiert werden. Sie wird wie folgt verwendet:
1
(Name des DataFrames).to_csv("(Pfad zur CSV-Datei)")
Lektion 2. Indexieren, Auswählen & Zuweisen
Die Auswahl bestimmter Werte aus einem Pandas DataFrame oder einer Series ist ein Schritt, der in fast allen Datenverarbeitungsaufgaben vorkommt.