Pandas für Einsteiger: Datenmanipulation mit Python
Fabio Basler, M.Sc.
Ve esta clase y miles más
Ve esta clase y miles más
Lecciones en esta clase
-
-
1.
Einführung
2:24
-
2.
Überblick zu den ersten Schritten
0:33
-
3.
Installation von Anaconda und Einrichtung von Jupyter
5:02
-
4.
Jupyter Lab im Überblick
9:36
-
5.
Warum Pandas das zentrale Werkzeug für die Datenanalyse mit Python ist
5:01
-
6.
Überblick zu den Pandas Datenstrukturen
0:35
-
7.
Erste Schritte mit Pandas: Installation, Import und Versionierung
6:06
-
8.
Überblick über die wichtigsten Pandas-Objekte
7:43
-
9.
Einführung in Series: Die eindimensionale Datenstruktur
5:18
-
10.
Index in Pandas: Struktur, Bedeutung und Eigenschaften
2:50
-
11.
Einführung in DataFrames: Die zentrale Datenstruktur in Pandas
9:47
-
12.
Übung: Arbeiten mit Pandas-Objekten
1:37
-
13.
Musterlösung zur Übung: Pandas-Objekte
3:45
-
14.
Überblick zur Datenverarbeitung
0:41
-
15.
Projektüberblick: Daten verstehen und importieren
6:18
-
16.
Erste Analysen mit Pandas durchführen
6:28
-
17.
Spalten untersuchen und analysieren
4:20
-
18.
DataFrames exportieren und abspeichern
7:35
-
19.
Arbeiten mit integrierten Datensätzen und Seaborn
7:37
-
20.
Daten korrekt indizieren
4:22
-
21.
Spalten und Zeilen umbenennen
5:14
-
22.
Datenpflege: Einträge bearbeiten und verwalten
8:21
-
23.
Daten validieren: Einträge gezielt überprüfen
2:51
-
24.
Übung: Datenaufbereitung in der Praxis
2:31
-
25.
Musterlösung zur Übung: Datenaufbereitung
6:54
-
26.
Überblick zum Indexing
0:37
-
27.
Zugriff per Position mit .iloc
8:20
-
28.
Zugriff per Label mit .loc
6:55
-
29.
Übung: Zugriff und Indexierung in Pandas
2:15
-
30.
Musterlösung zur Übung: Indexierung in Pandas
7:38
-
31.
Überblick zur Sortierung und Filterung
0:53
-
32.
Daten sortieren mit sort_values
5:23
-
33.
Rankings und Platzierungen generieren
3:59
-
34.
Filterungen mit der filter-Methode
5:15
-
35.
Alternative Filtermethoden im DataFrame
7:38
-
36.
Daten filtern mit der query-Funktion
4:37
-
37.
Strategien zum Umgang mit fehlenden Werten
5:10
-
38.
Umgang mit NULL-Werten in Pandas
4:40
-
39.
Übung: Sortieren und Filtern von Daten
3:03
-
40.
Musterlösung Teil 1: Sortieren und Filtern
4:28
-
41.
Musterlösung Teil 2: Sortieren und Filtern
6:37
-
42.
Überblick zur Datengruppierung
0:35
-
43.
Lageverteilungen analysieren mit describe
4:02
-
44.
Aggregationsfunktionen gezielt einsetzen
4:32
-
45.
Daten gruppieren mit groupby
4:26
-
46.
Komplexere Gruppierungsbeispiele mit groupby
5:34
-
47.
Das GroupBy-Objekt verstehen und nutzen
2:31
-
48.
Effiziente Transformationen mit der apply-Methode
2:47
-
49.
Übung: Daten aggregieren und gruppieren
4:49
-
50.
Musterlösung zur Übung: Aggregation und Gruppierung
10:47
-
51.
Überblick zum Verknüpfen von DataFrames
0:33
-
52.
Datenreihen einfach verknüpfen mit concat
5:21
-
53.
Theoretischer Überblick zu Join-Arten
7:55
-
54.
INNER JOIN – Gemeinsame Werte verbinden
4:35
-
55.
OUTER JOIN – Alle Werte integrieren
3:10
-
56.
LEFT & RIGHT JOIN – Einseitige Verknüpfung von Daten
4:16
-
57.
ANTI JOIN – Ausgeschlossene Werte identifizieren
6:45
-
58.
CROSS JOIN – Kartesisches Produkt zweier Tabellen
2:46
-
59.
Übung: Daten zusammenführen mit Merges und Joins
2:05
-
60.
Musterlösung zur Übung: Merges und Joins
9:13
-
61.
Überblick zu fortgeschrittenen Funktionen
0:27
-
62.
Wichtige Analysefunktionen im Überblick
4:41
-
63.
Duplikate erkennen und entfernen
3:18
-
64.
Textdaten verarbeiten mit String-Funktionen
9:45
-
65.
Fortgeschrittene Filtertechniken in der Analyse
9:30
-
66.
Überblick zu Plots
0:39
-
67.
Linien- und Flächendiagramme erstellen
8:34
-
68.
Balkendiagramme professionell gestalten
4:51
-
69.
Boxplot-Theorie: Verteilungen grafisch verstehen
6:18
-
70.
Boxplots mit Pandas erstellen
5:43
-
71.
Histogramme für Verteilungsanalysen
7:18
-
72.
Kuchendiagramme effektiv nutzen
5:22
-
73.
Punktediagramme zur Mustererkennung
5:02
-
74.
Weitere Diagrammtypen zur Datenvisualisierung
7:42
-
75.
Übung: Visualisierungen mit Pandas
2:47
-
76.
Musterlösung zur Übung: Visualisierungen mit Pandas
6:20
-
77.
Verabschiedung
0:51
-
-
- --
- Nivel principiante
- Nivel intermedio
- Nivel avanzado
- Todos los niveles
Generado por la comunidad
El nivel se determina según la opinión de la mayoría de los estudiantes que han dejado reseñas en esta clase. La recomendación del profesor o de la profesora se muestra hasta que se recopilen al menos 5 reseñas de estudiantes.
--
Estudiantes
--
Proyectos
Acerca de esta clase
In diesem Kurs wird ein fundierter Einstieg in die Arbeit mit der leistungsstarken Python-Bibliothek Pandas vermittelt. Schrittweise werden zentrale Konzepte und Objekte vorgestellt, mit denen sich Daten effizient verarbeiten und analysieren lassen. Es wird aufgezeigt, wie Daten importiert, bereinigt, gefiltert sowie in Beziehung gesetzt werden können. Ebenso wird erläutert, wie durch Aggregation und Gruppierung tiefere Einblicke gewonnen werden. Die Darstellung von Analyseergebnissen durch Visualisierungen bildet einen weiteren Schwerpunkt. Praxisnahe Übungen sorgen dafür, dass das Erlernte direkt angewendet und gefestigt wird.
Conoce a tu profesor(a)
Fabio Basler ist Trainer und Autor mit Schwerpunkt auf Data Science und Kunstlicher Intelligenz. Mit Erfahrung in Technologien wie Python, SQL, R, Power BI, Tableau, Excel sowie Themen wie Large Language Models und AI Agents vermittelt er praxisnahes Wissen in Onlinekursen, Seminaren und Inhouse-Schulungen.
Er studierte im Bachelor an der Hochschule Offenburg und absolvierte seinen Master an der ESB Business School. In seiner Masterarbeit setzte er sich mit Machine-Learning-Modellen in Python auseinander.
Fabio Basler bringt acht Jahre Berufserfahrung im Controlling und in der digitalen Transformation eines Industriekonzerns mit. Diese Praxisnahe fliesst in seine Arbeit ein mit dem Ziel, datengetriebene Losungen fur konkrete Unternehmensherausforderungen zu entwic... Ver perfil completo
Proyecto de clase práctica
Dieses Projekt enthält sämtliche Python-Skripte, Übungsaufgaben, Lösungen sowie begleitende Materialien zum Pandas-Kurs. Die Inhalte sind in einer ZIP-Datei gebündelt und dienen der Vertiefung und praktischen Anwendung der im Kurs vermittelten Konzepte. Ziel ist es, den Lernprozess durch strukturiertes, nachvollziehbares und direkt ausführbares Beispielmaterial optimal zu unterstützen.
Valoración de la clase
¿Por qué unirse a Skillshare?
Mira las galardonadas Skillshare Originals
Cada clase tiene lecciones cortas y proyectos prácticos
Tu membresía apoya a los profesores de Skillshare
Aprende desde cualquier lugar
Ve clases sobre la marcha con la aplicación de Skillshare. Progresa en línea o descarga las clases para verlas en el avión, el metro o donde sea que aprendas mejor.
