Summary  
This chapter explains how to inspect and interpret column data types in a DataFrame using the dtypes attribute and shows why incorrect types (like numbers stored as text) must be detected and converted to enable numeric operations.

General domain of usage  
Data preprocessing for data analysis pipelines

Watch this video for a step-by-step walkthrough of how to check and interpret column types in a pandas DataFrame. You'll see how to use the `.dtypes` attribute, understand why certain columns may not be recognized as numeric, and learn how column types can impact your data preprocessing workflow.

Wenn du auf die Spalte `'Fare'` stößt, sind die Zahlen hier mit dem `-`-Zeichen getrennt. Das wirkt ungewöhnlich, oder? Normalerweise wird `.` als Trennzeichen verwendet, und Python kann nur Zahlen mit Punkten als Trennung verstehen. Überprüfen wir den Typ dieser Spalte. Dies kannst du mit dem Attribut `.dtypes` tun. Sieh dir das Beispiel mit der Spalte `'Age'` an.

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)

**Erläuterung:**

Die Syntax von `.dtypes` ist einfach; sie wird auf die Spalte oder auf das gesamte Datenset angewendet. In unserem Fall ist der Typ **float64**.

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.

Überprüfen des Spaltentyps