Pandas für Datenanalyse: Ein umfassender Leitfaden

Pandas ist eine leistungsstarke Python-Bibliothek für Datenmanipulation und -analyse. Sie bietet Datenstrukturen wie DataFrames und Series, die die Arbeit mit strukturierten Daten erleichtern. Dieser Artikel führt Sie durch die wesentlichen Pandas-Methoden für die Datenanalyse und deckt alles ab, vom Lesen von Daten bis zur Durchführung komplexer Berechnungen.

Pandas unterstützt das Lesen und Schreiben von Daten aus verschiedenen Dateiformaten. Hier sind einige gängige Methoden: * `read_csv()`: Liest Daten aus einer CSV-Datei. * `to_csv()`: Schreibt Daten in eine CSV-Datei. * `read_excel()`: Liest Daten aus einer Excel-Datei. * `to_excel()`: Schreibt Daten in eine Excel-Datei. * `read_sql()`: Liest Daten aus einer SQL-Datenbank. * `to_sql()`: Schreibt Daten in eine SQL-Datenbank. Beispiel: ```python import pandas as pd df = pd.read_csv('data.csv') df.to_csv('output.csv', index=False) ```

Pandas bietet verschiedene Möglichkeiten, Daten in einem DataFrame auszuwählen und zu filtern: * `[]`: Wählt Spalten nach Namen oder Zeilen nach Index aus. * `loc[]`: Wählt Daten nach Label aus. * `iloc[]`: Wählt Daten nach ganzzahliger Position aus. Beispiel: ```python # Spalte 'A' auswählen df['A'] # Zeilen 0 bis 3 auswählen df[0:3] # Zeilen auswählen, bei denen Spalte 'A' > 0 ist df[df['A'] > 0] # Spezifische Zeilen und Spalten mit loc auswählen df.loc[df['Age'].isnull(), 'BB'] # Spezifische Zeilen und Spalten mit iloc auswählen df.iloc[3:5, 0:2] ```

Pandas bietet zahlreiche Funktionen zur Berechnung und Zusammenfassung von Daten: * `value_counts()`: Zählt die Vorkommen eindeutiger Werte in einer Series. * `median()`: Berechnet den Median einer Series. * `mean()`: Berechnet den Mittelwert einer Series oder eines DataFrames. * `std()`: Berechnet die Standardabweichung. * `describe()`: Generiert deskriptive Statistiken. * `sum()`: Berechnet die Summe der Werte. * `count()`: Zählt die Anzahl der Nicht-NA-Werte. Beispiel: ```python # Eindeutige Werte in Spalte 'Category' zählen df['Category'].value_counts() # Mittelwert der Spalte 'Price' berechnen df['Price'].mean() # Deskriptive Statistiken für den DataFrame generieren df.describe() ```

Pandas bietet Methoden zur Handhabung fehlender Daten: * `isnull()`: Erkennt fehlende Werte. * `notnull()`: Erkennt vorhandene Werte. * `dropna()`: Entfernt Zeilen oder Spalten mit fehlenden Werten. * `fillna()`: Füllt fehlende Werte mit einem angegebenen Wert oder einer Methode. Beispiel: ```python # Auf fehlende Werte prüfen df.isnull().sum() # Fehlende Werte mit 0 füllen df.fillna(0) # Fehlende Werte mit dem Mittelwert der Spalte füllen df['Age'].fillna(df['Age'].mean(), inplace=True) ```

Pandas bietet leistungsstarke Techniken zur Datenmanipulation: * `groupby()`: Gruppiert Daten basierend auf einer oder mehreren Spalten. * `pivot_table()`: Erstellt eine Pivot-Tabelle aus einem DataFrame. * `apply()`: Wendet eine Funktion entlang einer Achse des DataFrames an. * `merge()`: Fügt zwei DataFrames basierend auf einer gemeinsamen Spalte zusammen. * `concat()`: Verkettet DataFrames. Beispiel: ```python # Daten nach 'Category' gruppieren und den Mittelwert von 'Price' berechnen df.groupby('Category')['Price'].mean() # Eine Funktion auf jede Zeile anwenden def calculate_discount(row): return row['Price'] * 0.9 df['Discounted_Price'] = df.apply(calculate_discount, axis=1) ```

Pandas unterstützt das Zusammenführen und Verknüpfen von DataFrames, ähnlich wie SQL-Joins: * `merge()`: Fügt zwei DataFrames basierend auf einer gemeinsamen Spalte zusammen. * `join()`: Verknüpft zwei DataFrames basierend auf ihren Indizes. * `concat()`: Verkettet DataFrames entlang von Zeilen oder Spalten. Beispiel: ```python # Zwei DataFrames basierend auf der Spalte 'ID' zusammenführen merged_df = pd.merge(df1, df2, on='ID', how='inner') # Zwei DataFrames entlang von Zeilen verketten concatenated_df = pd.concat([df1, df2]) ```

Pandas ermöglicht die Analyse von Beziehungen zwischen Daten: * `corr()`: Berechnet die Korrelation zwischen Spalten. * `crosstab()`: Berechnet eine Kreuztabelle von zwei oder mehr Faktoren. Beispiel: ```python # Korrelation zwischen 'Age' und 'Salary' berechnen df[['Age', 'Salary']].corr() # Eine Kreuztabelle von 'Gender' und 'Category' erstellen pd.crosstab(df['Gender'], df['Category']) ```

Pandas bietet Methoden zur Datentransformation: * `cut()`: Teilt Werte in diskrete Intervalle ein. * `qcut()`: Quantilbasierte Diskretisierungsfunktion. * `get_dummies()`: Konvertiert kategoriale Variablen in Dummy-/Indikatorvariablen. Beispiel: ```python # 'Age' in Altersgruppen einteilen df['Age_Group'] = pd.cut(df['Age'], bins=[0, 18, 35, 60, 100], labels=['Child', 'Young Adult', 'Adult', 'Senior']) # 'Gender' in Dummy-Variablen konvertieren gender_dummies = pd.get_dummies(df['Gender']) ```

Pandas ist ein unverzichtbares Werkzeug für die Datenanalyse in Python. Dieser Artikel hat die grundlegenden Methoden zum Lesen, Schreiben, Auswählen, Berechnen, Behandeln fehlender Daten, Manipulieren, Zusammenführen und Transformieren von Daten behandelt. Durch die Beherrschung dieser Techniken können Sie Ihre Daten effizient analysieren und Erkenntnisse gewinnen.