Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lernen Überprüfen Des Spaltentyps | Datenvorverarbeitung
Fortgeschrittene Techniken in Pandas
course content

Kursinhalt

Fortgeschrittene Techniken in Pandas

Fortgeschrittene Techniken in Pandas

1. Vertraut Werden mit Indizierung und Datenauswahl
Ausgabe von Spalten Nach TitelAusgabe von Zeilen nach IndexAuswahl Spezifischer Zeilen und SpaltenMehr Über die Indexierung LernenVertraut Werden mit Lambda FunctionsErweiterung der Funktionalität des .iloc[]-Attributs
2. Umgang mit Bedingungen
Bedingung FestlegenAuswahl von Daten Basierend auf BedingungenUmgang Mit Mehreren BedingungenIhren Code Schön GestaltenBedingungen Quiz
3. Daten Extrahieren
Ist Die Daten in ...?Ihr Wissen KombinierenZwischen MethodeSpezifische Daten ExtrahierenDie Kleinsten Werte Einer Spalte FindenDie Größten Werte Einer Spalte FindenDie Korrelation Finden
4. Daten Aggregieren
Vertraut Werden mit der .groupby()-MethodeGruppierung Nach Mehreren SpaltenKomplizierte GruppierungErweiterte GruppierungUmgang mit Pivot-TabellenErstellen Einer Pivot-Tabelle
5. Datenvorverarbeitung
Überprüfen auf Fehlende WerteBerechnung der Anzahl Fehlender WerteWas Werden Wir Mit Den NaN-Werten Tun?Wie Man Nur NaN-Werte Löscht?Ausfüllen der Fehlenden WerteVerwaltung Kategorialer VariablenÜberprüfen Des SpaltentypsVerwalten Einer Falschen SpalteUmbenennen der Spalte

book
Überprüfen Des Spaltentyps

Wenn Sie auf die Spalte 'Fare' stoßen, sind die Zahlen hier mit dem - Zeichen getrennt. Das sieht seltsam aus, nicht wahr? Wir sind es gewohnt, . als Trennzeichen zu verwenden, und Python kann nur Zahlen verstehen, die mit Punkten getrennt sind. Lassen Sie uns den Typ dieser Spalte überprüfen. Sie können dies mit dem Attribut .dtypes tun. Schauen Sie sich das Beispiel mit der Spalte 'Age' an.


              
123

            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv', index_col = 0)
print(data['Age'].dtypes)
copy

Erklärung:

Die Syntax .dtypes ist einfach; Sie wenden sie einfach auf die Spalte oder auf das gesamte Datenset an. In unserem Fall ist der Typ float64.

question-icon

Geben Sie den Typ der Spalte 'Fare' aus.

print(data[''].)
object

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 7

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

course content

Kursinhalt

Fortgeschrittene Techniken in Pandas

Fortgeschrittene Techniken in Pandas

1. Vertraut Werden mit Indizierung und Datenauswahl
Ausgabe von Spalten Nach TitelAusgabe von Zeilen nach IndexAuswahl Spezifischer Zeilen und SpaltenMehr Über die Indexierung LernenVertraut Werden mit Lambda FunctionsErweiterung der Funktionalität des .iloc[]-Attributs
2. Umgang mit Bedingungen
Bedingung FestlegenAuswahl von Daten Basierend auf BedingungenUmgang Mit Mehreren BedingungenIhren Code Schön GestaltenBedingungen Quiz
3. Daten Extrahieren
Ist Die Daten in ...?Ihr Wissen KombinierenZwischen MethodeSpezifische Daten ExtrahierenDie Kleinsten Werte Einer Spalte FindenDie Größten Werte Einer Spalte FindenDie Korrelation Finden
4. Daten Aggregieren
Vertraut Werden mit der .groupby()-MethodeGruppierung Nach Mehreren SpaltenKomplizierte GruppierungErweiterte GruppierungUmgang mit Pivot-TabellenErstellen Einer Pivot-Tabelle
5. Datenvorverarbeitung
Überprüfen auf Fehlende WerteBerechnung der Anzahl Fehlender WerteWas Werden Wir Mit Den NaN-Werten Tun?Wie Man Nur NaN-Werte Löscht?Ausfüllen der Fehlenden WerteVerwaltung Kategorialer VariablenÜberprüfen Des SpaltentypsVerwalten Einer Falschen SpalteUmbenennen der Spalte

book
Überprüfen Des Spaltentyps

Wenn Sie auf die Spalte 'Fare' stoßen, sind die Zahlen hier mit dem - Zeichen getrennt. Das sieht seltsam aus, nicht wahr? Wir sind es gewohnt, . als Trennzeichen zu verwenden, und Python kann nur Zahlen verstehen, die mit Punkten getrennt sind. Lassen Sie uns den Typ dieser Spalte überprüfen. Sie können dies mit dem Attribut .dtypes tun. Schauen Sie sich das Beispiel mit der Spalte 'Age' an.


              
123

            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv', index_col = 0)
print(data['Age'].dtypes)
copy

Erklärung:

Die Syntax .dtypes ist einfach; Sie wenden sie einfach auf die Spalte oder auf das gesamte Datenset an. In unserem Fall ist der Typ float64.

question-icon

Geben Sie den Typ der Spalte 'Fare' aus.

print(data[''].)
object

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 7
some-alt