PythonPandasSpickzettel zur Datenanalyse
Referenzhandbuch fürPandasSerien und DataFrames. Lernen Sie das Laden, Bereinigen, Auswählen, Gruppieren und Aggregieren von Daten.
Laden von Daten und Erstinspektion
Vorgänge zum Laden von Datensätzen und Überprüfen ihrer Strukturumrisse.
| Methode / Funktion | Syntax | Beschreibung |
|---|---|---|
| pd.DataFrame() | pd.DataFrame(data, columns=...) | Konstruiert eine zweidimensionale beschriftete Datenstruktur mit Spalten. |
| pd.read_csv() | pd.read_csv(filepath) | Lädt eine CSV-Datei in einenPandasDataFrame. |
| head() / tail() | df.head(n=5) / df.tail(n=5) | Gibt die ersten n oder letzten n Zeilen des DataFrame zurück. |
| info() | df.info() | Druckt eine kurze Zusammenfassung der DataFrame-Spalten, der Nicht-Null-Zählungen und der Speichernutzung. |
| describe() | df.describe() | Erstellt deskriptive Statistiken, die die zentrale Tendenz, Streuung und Form zusammenfassen. |
Datenauswahl, Filterung und Reinigung
Methoden zum Aufteilen von Spalten/Zeilen, zum Aggregieren von Daten und zum Auflösen fehlender Datensätze.
| Methode / Funktion | Syntax | Beschreibung |
|---|---|---|
| loc[] | df.loc[row_label, col_label] | Greift über Beschriftungen auf eine Gruppe von Zeilen und Spalten zu. |
| iloc[] | df.iloc[row_pos, col_pos] | Greift über ganzzahlige Indexpositionen auf eine Gruppe von Zeilen und Spalten zu. |
| groupby() | df.groupby(col).mean() | Gruppiert Zeilen mit gemeinsamen Spaltenwerten und aggregiert numerische Felder. |
| value_counts() | df[col].value_counts() | Gibt eine Reihe zurück, die die Anzahl der eindeutigen Werte in der Spalte enthält. |
| dropna() | df.dropna(axis=0) | Entfernt Zeilen (oder Spalten), die fehlende oder Nullwerte enthalten. |
| fillna() | df.fillna(value) | Füllt fehlende Werte mit einem angegebenen Wert oder einer angegebenen Strategie. |
Interaktives Demo-Skript
# pd.DataFrame()
pd.DataFrame(data, columns=...)
# pd.read_csv()
pd.read_csv(filepath)
# head() / tail()
df.head(n=5) / df.tail(n=5)
# info()
df.info()
# describe()
df.describe()
# loc[]
df.loc[row_label, col_label]
# iloc[]
df.iloc[row_pos, col_pos]
# groupby()
df.groupby(col).mean()
# value_counts()
df[col].value_counts()
# dropna()
df.dropna(axis=0)
# fillna()
df.fillna(value)Häufig gestellte Fragen
Was ist der Unterschied zwischen loc und iloc?
loc ist eine labelbasierte Indizierung (wählt Daten nach Zeilen-/Spaltennamen aus), während iloc eine ganzzahlbasierte Indizierung ist (wählt Daten nach Indexposition aus).
Wie gehen Sie mit fehlenden Werten inPandasum?
Verwenden Sie dropna(), um Zeilen/Spalten mit Nullwerten zu entfernen, oder verwenden Sie fillna(value), um Nullwerte durch einen bestimmten Standardwert zu ersetzen.
Verwandte Themen
Kurzanleitung fürNumPyArrays. Lernen Sie Array-Erstellung, Umgestaltung, Indizierung, Slicing und mathematische Operationen.
Spickzettel für Python-Sammlungen und DatenstrukturenVollständige Anleitung zum Python-Sammlungsmodul und zu nativen Datenstrukturen. Lernen Sie Listen, Diktate, Mengen, Tupel, Deques und benannte Tupel.
Spickzettel für integrierte Python-FunktionenReferenzhandbuch zu den integrierten Funktionen von Python. Erfahren Sie, wie Sie Print, Len, Range, Enumerate, Zip, Map, Filter und mehr verwenden.
Empfohlene Python-Ressourcen
Erweitern Sie Ihr Wissen mit zugehörigen interaktiven Tutorials, Spickzetteln und Codevergleichen.
Python-Schleifen
Erfahren Sie, wie Sie Python-Schleifen zum Durchlaufen von Daten verwenden. Beherrschen Sie Best Practices für For-Schleifen, While-Schleifen, Break, Continue und Loop anhand interaktiver Beispiele.
So sortieren Sie eine Liste in Python
Erfahren Sie, wie Sie eine Liste in Python mit der Methode sort() und der Funktion sorted() sortieren. Entdecken Sie Beispiele für benutzerdefinierte Schlüsselsortierung und umgekehrte Reihenfolge.
Python vs. JavaScript: Welche Programmiersprache ist die beste?
Ein umfassender Vergleich zwischen Python und JavaScript. Entdecken Sie Syntaxunterschiede, Leistung, Anwendungsfälle (Backend vs. Frontend) und Codierungsbeispiele.