Pandas: Difference between revisions
Appearance
Lorenzen69 (talk | contribs) mNo edit summary Tag: Reverted |
Lorenzen69 (talk | contribs) mNo edit summary Tag: Manual revert |
||
| Line 7: | Line 7: | ||
Zu den wichtigsten Funktionen von pandas gehören: | Zu den wichtigsten Funktionen von pandas gehören: | ||
* '''Datenimport und -export:''' Einlesen und Speichern von [[ | * '''Datenimport und -export:''' Einlesen und Speichern von [[CSV]]-, [[Excel]]-, JSON- und SQL-Dateien. | ||
* '''Datenanalyse:''' Berechnung statistischer Kennzahlen und Auswertung von Daten. | * '''Datenanalyse:''' Berechnung statistischer Kennzahlen und Auswertung von Daten. | ||
* '''Datenbereinigung:''' Umgang mit fehlenden Werten, Duplikaten und fehlerhaften Datensätzen. | * '''Datenbereinigung:''' Umgang mit fehlenden Werten, Duplikaten und fehlerhaften Datensätzen. | ||
Latest revision as of 12:39, 2 November 2026
pandas (Python-Modul)
pandas ist eine Open-Source-Bibliothek für die Programmiersprache Python, die zur Datenverarbeitung und Datenanalyse verwendet wird. Sie bietet leistungsfähige Datenstrukturen und Funktionen, um strukturierte Daten effizient zu verwalten, zu bearbeiten und auszuwerten.
Funktionen
Zu den wichtigsten Funktionen von pandas gehören:
- Datenimport und -export: Einlesen und Speichern von CSV-, Excel-, JSON- und SQL-Dateien.
- Datenanalyse: Berechnung statistischer Kennzahlen und Auswertung von Daten.
- Datenbereinigung: Umgang mit fehlenden Werten, Duplikaten und fehlerhaften Datensätzen.
- Datenmanipulation: Filtern, Sortieren, Gruppieren und Zusammenführen von Datensätzen.
- Zeitreihenanalyse: Verarbeitung und Auswertung zeitabhängiger Daten.
Zentrale Datenstrukturen
pandas stellt zwei zentrale Datenstrukturen bereit:
- Series: Eine eindimensionale Datenstruktur mit beschrifteten Indizes.
- DataFrame: Eine zweidimensionale Tabellenstruktur aus Zeilen und Spalten, vergleichbar mit einer Excel-Tabelle.
Installation
Die Installation erfolgt üblicherweise über pip:
pip install pandas
Beispiel
import pandas as pd
# Beispieldaten erstellen
data = {
"Name": ["Max", "Anna", "Peter"],
"Alter": [25, 30, 28]
}
# DataFrame erzeugen
df = pd.DataFrame(data)
# Daten ausgeben
print(df)