Zusammenfassung des Kaggle-Pandas-Kurses

Pandas

Lösen Sie kurze praktische Aufgaben, um Ihre Datenmanipulationsfähigkeiten zu perfektionieren.

Lektion 1. Erstellen, Lesen und Schreiben

Pandas importieren

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 Ganzzahlen sein.

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 mit den einzutragenden Elementen.

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.

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.

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 sie anstelle eines “Spaltennamens” einen “Namen”, name, hat.

pd.Series([30, 35, 40], index=['Verkäufe 2015', 'Verkäufe 2016', 'Verkäufe 2017'], name='Produkt A')

Series und DataFrames sind eng miteinander verwandt. Es ist hilfreich, sich einen DataFrame als eine Sammlung von Series vorzustellen.

Datendateien einlesen

In vielen Fällen erstellt man die Daten nicht selbst, sondern verwendet bereits vorhandene Daten. Daten können in verschiedenen Formaten gespeichert sein, aber das grundlegendste Format ist die CSV-Datei. Der Inhalt einer CSV-Datei sieht normalerweise so aus:

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 einen 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:

(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 Arbeiten mit Daten vorkommt.