Ich freue mich, Sie in diesem Abschnitt zu sehen. Hier werden wir unsere Daten gruppieren, um Informationen über verschiedene Gruppen von Zeilen zu finden. Untersuchen Sie den Datensatz zu Verzögerungen (Sie können diese Tabelle horizontal scrollen):


Das Gruppieren von Daten ist vorteilhaft, und jetzt werden wir tiefer darauf eingehen. Stellen Sie sich vor, Sie möchten die Anzahl der Verzögerungen für jede Flugnummer berechnen. Schauen Sie sich das Codebeispiel an und dann die Erklärung:

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)
data_flights = data[['Flight', 'Delay']].groupby('Flight').sum()
print(data_flights.head())

**Erklärung:**

```python
data[['Flight', 'Delay']].groupby('Flight').sum()
```

- `data[['Flight', 'Delay']]` - Dies sind die Spalten, mit denen Sie arbeiten werden, einschließlich der Spalten, die Sie gruppieren werden;
- `groupby('Flight')` - Die `'Flight'`-Spalte ist das Argument für die `.groupby()`-Funktion. Das bedeutet, dass Zeilen mit demselben Wert in der `'Flight'`-Spalte zusammen gruppiert werden;
- `.sum()` - Diese Funktion arbeitet auf Zeilen innerhalb jeder durch `.groupby()` erstellten Gruppe. In diesem Fall summiert sie die Werte in der `'Delay'`-Spalte für Zeilen, die zur selben `'Flight'`-Gruppe gehören.

>Hinweis
>
>Da die `'Delay'`-Spalte nur `0` (keine Verzögerung aufgetreten) oder `1` (eine Verzögerung aufgetreten) als mögliche Werte enthält, stellt die Summe der Zeilen die Anzahl der Verzögerungen für jeden Flug dar.


Tatsächlich ist `.sum()` eine von vielen Aggregationsfunktionen, die Sie verwenden können. Sie werden mit allen vertraut, während Sie fortschreiten.

Dieser Kurs enthält viele nützliche Funktionen für einen zukünftigen Datenanalysten. Sie werden verschiedene Möglichkeiten der Datenextraktion kennenlernen und sogar Bedingungen darauf setzen. Danach werden Sie mit den Methoden der Datenaggregation vertraut sein. Außerdem lernen Sie, wie man Daten vorverarbeitet. Jede Sektion hat ihren eigenen Datensatz, sodass der Kurs spannend sein wird.

In diesem Abschnitt lernen Sie, wie Sie bestimmte Spalten anhand ihrer Titel oder Indizes ausgeben können. Außerdem werden Sie mit den Möglichkeiten vertraut gemacht, wie Sie Zeilen anhand von Indizes auswählen können.

Hier lernen Sie, wie Sie Daten extrahieren, die bestimmte Bedingungen erfüllen. Außerdem lernen Sie, wie Sie diese kombinieren und sogar Ihre eigenen erstellen.

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

Dieser Abschnitt ist einer der faszinierendsten des Kurses. Hier lernen Sie, wie Sie Daten auf verschiedene Weise gruppieren können. Es wird Ihnen helfen, als Datenanalyst zu arbeiten, um Informationen über bestimmte Datengruppen zu finden.

Dieser Abschnitt ist einer der bedeutendsten für einen Datenanalysten, da es unmöglich sein wird, mit den Daten zu arbeiten, wenn sie fehlende Werte im falschen Format enthalten. Daher lernen Sie hier, wie Sie mit solchen ungeeigneten Werten umgehen.

DayOfWeek	Time
3	804.993130
4	804.452984
5	702.888362

Fortgeschrittene Techniken in Pandas

Vertraut Werden mit der .groupby()-Methode

Füllen Sie die Lücken aus, um den Mittelwert der `'Time'`-Spalte abhängig von der `'DayOfWeek'`-Spalte zu finden.