Jump to content

CSV: Difference between revisions

From ITF24C Wiki
Lorenzen69 (talk | contribs)
Created page with "= 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..."
 
Lorenzen69 (talk | contribs)
No edit summary
Line 1: Line 1:
= pandas (Python-Modul) =
= CSV (Dateiformat) =


'''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.
'''CSV''' (Comma-Separated Values) ist ein textbasiertes Dateiformat zur Speicherung tabellarischer Daten. Dabei werden einzelne Datenwerte durch Trennzeichen voneinander getrennt. CSV-Dateien werden häufig verwendet, um Daten zwischen verschiedenen Programmen auszutauschen.


== Funktionen ==
== Aufbau ==


Zu den wichtigsten Funktionen von pandas gehören:
Eine CSV-Datei besteht aus mehreren Zeilen, wobei jede Zeile normalerweise einen Datensatz darstellt. Die einzelnen Werte werden durch ein Trennzeichen getrennt.


* '''Datenimport und -export:''' Einlesen und Speichern von [[CSV]]-, [[Excel]]-, JSON- und SQL-Dateien.
Häufig verwendete Trennzeichen sind:
* '''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 ==
* Komma (`,`)
* Semikolon (`;`)
* Tabulator


pandas stellt zwei zentrale Datenstrukturen bereit:
Beispiel einer CSV-Datei:


* '''Series:''' Eine eindimensionale Datenstruktur mit beschrifteten Indizes.
<pre>
* '''DataFrame:''' Eine zweidimensionale Tabellenstruktur aus Zeilen und Spalten, vergleichbar mit einer Excel-Tabelle.
Name;Alter;Stadt
Max;25;Berlin
Anna;30;Hamburg
Peter;28;München
</pre>
 
Die erste Zeile enthält häufig die Spaltenüberschriften. Die folgenden Zeilen enthalten die eigentlichen Datensätze.
 
== Eigenschaften ==
 
Zu den wichtigsten Eigenschaften des CSV-Formats gehören:
 
* '''Einfacher Aufbau:''' Daten werden als einfacher Text gespeichert.
* '''Plattformunabhängigkeit:''' CSV-Dateien können von vielen verschiedenen Betriebssystemen und Programmen verarbeitet werden.
* '''Geringer Speicherbedarf:''' Im Vergleich zu komplexen Tabellenformaten ist CSV meist platzsparend.
* '''Hohe Kompatibilität:''' CSV wird von zahlreichen Anwendungen und Programmiersprachen unterstützt.
* '''Einfache Verarbeitung:''' Die Dateien können mit Texteditoren geöffnet und bearbeitet werden.
 
== Verwendung ==


== Installation ==
CSV-Dateien werden in vielen Bereichen eingesetzt, beispielsweise:


Die Installation erfolgt üblicherweise über pip:
* Datenaustausch zwischen verschiedenen Anwendungen
* Export und Import von Datenbanken
* Speicherung von Messwerten und Statistiken
* Verarbeitung von Datensätzen in der Datenanalyse
* Datenaustausch mit Tabellenkalkulationsprogrammen wie [[Microsoft Excel]]


<pre>
== Verwendung mit Python ==
pip install pandas
 
</pre>
Auch mit der Programmiersprache [[Python]] können CSV-Dateien verarbeitet werden. Dafür existieren unter anderem das integrierte Modul `csv` sowie die externe Bibliothek [[pandas]].


== Beispiel ==
Beispiel mit pandas:


<pre>
<pre>
import pandas as pd
import pandas as pd


# Beispieldaten erstellen
# CSV-Datei einlesen
data = {
df = pd.read_csv("daten.csv", sep=";")
    "Name": ["Max", "Anna", "Peter"],
    "Alter": [25, 30, 28]
}
 
# DataFrame erzeugen
df = pd.DataFrame(data)


# Daten ausgeben
# Daten ausgeben
print(df)
print(df)
# Daten wieder als CSV speichern
df.to_csv("ausgabe.csv", sep=";", index=False)
</pre>
</pre>
== Vor- und Nachteile ==
'''Vorteile:'''
* Einfach lesbar und leicht zu bearbeiten.
* Von vielen Programmen unterstützt.
* Gut für den Austausch tabellarischer Daten geeignet.
'''Nachteile:'''
* Keine Unterstützung für Formatierungen oder Farben.
* Keine Speicherung komplexer Datentypen oder Tabellenstrukturen.
* Trennzeichen und Zeichencodierungen können zu Kompatibilitätsproblemen führen.
* Keine standardisierte Unterstützung für Datentypen.


== Weiterführende Links ==
== Weiterführende Links ==


* [https://pandas.pydata.org/docs/ Offizielle pandas-Dokumentation]
* [https://www.rfc-editor.org/rfc/rfc4180 RFC 4180 – Common Format and MIME Type for CSV Files]
* [[Python]]
* [[Python]]
* [https://github.com/pandas-dev/pandas pandas auf GitHub]
* [[pandas]]
* [[Microsoft Excel]]


[[Kategorie:Python]]
[[Kategorie:Dateiformate]]
[[Kategorie:Softwarebibliotheken]]
[[Kategorie:Datenverarbeitung]]

Revision as of 12:34, 2 November 2026

CSV (Dateiformat)

CSV (Comma-Separated Values) ist ein textbasiertes Dateiformat zur Speicherung tabellarischer Daten. Dabei werden einzelne Datenwerte durch Trennzeichen voneinander getrennt. CSV-Dateien werden häufig verwendet, um Daten zwischen verschiedenen Programmen auszutauschen.

Aufbau

Eine CSV-Datei besteht aus mehreren Zeilen, wobei jede Zeile normalerweise einen Datensatz darstellt. Die einzelnen Werte werden durch ein Trennzeichen getrennt.

Häufig verwendete Trennzeichen sind:

  • Komma (`,`)
  • Semikolon (`;`)
  • Tabulator

Beispiel einer CSV-Datei:

Name;Alter;Stadt
Max;25;Berlin
Anna;30;Hamburg
Peter;28;München

Die erste Zeile enthält häufig die Spaltenüberschriften. Die folgenden Zeilen enthalten die eigentlichen Datensätze.

Eigenschaften

Zu den wichtigsten Eigenschaften des CSV-Formats gehören:

  • Einfacher Aufbau: Daten werden als einfacher Text gespeichert.
  • Plattformunabhängigkeit: CSV-Dateien können von vielen verschiedenen Betriebssystemen und Programmen verarbeitet werden.
  • Geringer Speicherbedarf: Im Vergleich zu komplexen Tabellenformaten ist CSV meist platzsparend.
  • Hohe Kompatibilität: CSV wird von zahlreichen Anwendungen und Programmiersprachen unterstützt.
  • Einfache Verarbeitung: Die Dateien können mit Texteditoren geöffnet und bearbeitet werden.

Verwendung

CSV-Dateien werden in vielen Bereichen eingesetzt, beispielsweise:

  • Datenaustausch zwischen verschiedenen Anwendungen
  • Export und Import von Datenbanken
  • Speicherung von Messwerten und Statistiken
  • Verarbeitung von Datensätzen in der Datenanalyse
  • Datenaustausch mit Tabellenkalkulationsprogrammen wie Microsoft Excel

Verwendung mit Python

Auch mit der Programmiersprache Python können CSV-Dateien verarbeitet werden. Dafür existieren unter anderem das integrierte Modul `csv` sowie die externe Bibliothek pandas.

Beispiel mit pandas:

import pandas as pd

# CSV-Datei einlesen
df = pd.read_csv("daten.csv", sep=";")

# Daten ausgeben
print(df)

# Daten wieder als CSV speichern
df.to_csv("ausgabe.csv", sep=";", index=False)

Vor- und Nachteile

Vorteile:

  • Einfach lesbar und leicht zu bearbeiten.
  • Von vielen Programmen unterstützt.
  • Gut für den Austausch tabellarischer Daten geeignet.

Nachteile:

  • Keine Unterstützung für Formatierungen oder Farben.
  • Keine Speicherung komplexer Datentypen oder Tabellenstrukturen.
  • Trennzeichen und Zeichencodierungen können zu Kompatibilitätsproblemen führen.
  • Keine standardisierte Unterstützung für Datentypen.

Weiterführende Links

Kategorie:Dateiformate Kategorie:Datenverarbeitung