Summary  
This chapter explains how to use conditional filtering with the `.loc[]` attribute in Pandas to create Boolean masks that extract rows meeting specific column-based criteria.  

General domain of usage  
Astronomical data analysis

In diesem Abschnitt lernen wir, wie man Daten mit bestimmten Bedingungen extrahiert. Zunächst sollst du jedoch den Datensatz betrachten, den wir verwenden werden. Er enthält Daten über Asteroiden:

- `id` - Eindeutiger Bezeichner für jeden Asteroiden;
- `name` - Von der NASA vergebener Name;
- `est_diameter_min` - Geschätzter minimaler Durchmesser in Kilometern;
- `est_diameter_max` - Geschätzter maximaler Durchmesser in Kilometern;
- `absolute_magnitude` - Beschreibt, wie hell das Objekt ist;
- `hazardous` - Boolesches Merkmal, das angibt, ob der Asteroid gefährlich ist oder nicht.

Watch this video to see how you can set conditions in pandas to extract specific data from your DataFrame. You'll learn how to use the `.loc[]` attribute with conditional statements to filter rows based on numerical values, such as finding asteroids with a diameter above or below a certain threshold. The video covers practical examples using the asteroid dataset, demonstrating step-by-step how to write and interpret these conditions in your code.

Du kennst bereits das Attribut `.loc[]`, aber hier werden wir dessen Möglichkeiten erweitern.

Eines der nützlichsten Werkzeuge ist das Setzen von Bedingungen für eine Spalte, um bestimmte Werte zu extrahieren. Dazu wird die Bedingung der Spalte innerhalb des `.loc[]`-Attributs angegeben. Sieh dir die verschiedenen Bedingungen und Ausgaben an.

- `data.loc[data['est_diameter_max'] < 0.005].head()` – extrahiert die ersten fünf Zeilen, bei denen die Spaltenwerte von `'est_diameter_max'` kleiner als `0.005` sind;
- `data.loc[data['absolute_magnitude'] >= 30].head()` – extrahiert die ersten fünf Zeilen, bei denen die Spaltenwerte von `'absolute_magnitude'` größer oder gleich `30` sind.

Ihre Aufgabe ist es, alle korrekten Formen zur Festlegung von Bedingungen für die Spalte `'est_diameter_min'` auszuwählen. Beachten Sie, dass diese Spalte numerisch ist, daher sollten Sie an Bedingungen denken, die mit Zahlen verwendet werden können.

Dieser Kurs enthält viele nützliche Funktionen für angehende Data Analysts. Sie lernen verschiedene Methoden zur Extraktion von Daten kennen und können sogar Bedingungen darauf anwenden. Anschließend werden Sie mit Methoden zur Gruppierung von Daten vertraut gemacht. Außerdem lernen Sie, wie man Daten vorverarbeitet. Jeder Abschnitt verfügt über einen eigenen Datensatz, sodass der Kurs spannend bleibt.

In diesem Abschnitt lernen Sie, wie Sie bestimmte Spalten anhand ihrer Titel oder Indizes ausgeben. Außerdem machen Sie sich mit den Methoden vertraut, mit denen Sie Zeilen anhand von Indizes auswählen können.

Hier lernen Sie, wie man Daten extrahiert, die bestimmte Bedingungen erfüllen. Außerdem lernen Sie, wie man diese kombiniert und sogar eigene Bedingungen erstellt.

In diesem Abschnitt erweitern Sie Ihr Wissen über das Festlegen verschiedener Datenbedingungen. Sie lernen, zu überprüfen, ob Ihre Daten in einer definierten Werteliste oder zwischen zwei Werten liegen. Sie erfahren außerdem, wie Sie die größten und kleinsten Werte finden.

Dieser Abschnitt ist einer der faszinierendsten des Kurses. Hier lernen Sie, wie Sie Daten auf verschiedene Arten gruppieren können. Dies wird Ihnen als Data Analyst helfen, Informationen über bestimmte Datengruppen zu ermitteln.

Dieser Abschnitt ist einer der wichtigsten für Datenanalysten, da es unmöglich ist, mit Daten zu arbeiten, wenn sie fehlende Werte oder ein falsches Format enthalten. Daher lernen Sie hier, wie man mit solchen ungeeigneten Werten umgeht.

Bedingung Festlegen