Summary  
This chapter demonstrates how to inspect the data type of a DataFrame column using the `.dtypes` attribute.  

General domain of usage  
data analysis

Falls Sie auf die Spalte `'Fare'` stoßen, werden Sie feststellen, dass die Zahlen hier mit dem `-`-Zeichen getrennt sind. Das wirkt ungewöhnlich, oder? Üblicherweise wird `.` als Trennzeichen verwendet, und Python kann nur Zahlen mit Punkten als Trennung interpretieren. Überprüfen wir den Typ dieser Spalte. Dies kann mit dem Attribut `.dtypes` erfolgen. Sehen Sie sich 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 entweder auf eine Spalte oder auf das gesamte Datenset angewendet. In unserem Fall ist der Typ **float64**.

Dieser Kurs enthält zahlreiche nützliche Funktionen für angehende Data Analysts. Sie lernen verschiedene Methoden zur Extraktion von Daten kennen und können sogar Bedingungen darauf anwenden. Anschließend machen Sie sich mit Methoden zur Gruppierung von Daten vertraut. Außerdem erfahren Sie, wie Daten vorverarbeitet werden. 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 zur Auswahl von Zeilen anhand von Indizes vertraut.

Hier lernen Sie, wie Sie Daten extrahieren, die bestimmte Bedingungen erfüllen. Außerdem erfahren Sie, wie Sie diese kombinieren und eigene Bedingungen erstellen.

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

Dieser Abschnitt gehört zu den faszinierendsten des Kurses. Hier lernen Sie, wie Daten auf verschiedene Arten gruppiert werden können. Dies unterstützt Sie als Datenanalyst dabei, Informationen über bestimmte Datengruppen zu ermitteln.

Dieser Abschnitt ist für Datenanalysten von großer Bedeutung, da eine fehlerhafte Formatierung oder fehlende Werte in den Daten die weitere Verarbeitung unmöglich machen. Hier wird vermittelt, wie mit solchen ungeeigneten Werten umzugehen ist.

Überprüfung des Spaltentyps

Awesome!

Überprüfung des Spaltentyps