Summary  
This chapter introduces how to import and alias the pandas library in Python and provides an overview of its core data manipulation and analysis capabilities.

General domain of usage  
Data analysis

Um dieses Kurs erfolgreich und mit Selbstvertrauen abzuschließen, sollte zuvor folgender Kurs abgeschlossen werden:

Get a visual introduction to the `pandas` library in Python. This video walks you through what `pandas` is, why it is essential for data analysis, and how to start using it in your own projects. You will see how to import `pandas`—both with and without an alias—and learn about its core use cases for data scientists and analysts. By the end, you will understand how `pandas` fits into the Python data ecosystem and be ready to take your first steps with this powerful tool.

## Warum Pandas verwenden?

`pandas` ist eine Python-Bibliothek, die für Datenverarbeitung und -analyse entwickelt wurde. Die Beherrschung dieser Bibliothek ist sowohl für **Data Scientists** als auch für **Data Analysts** von Vorteil. Mit `pandas` können Daten sortiert, gefiltert, bearbeitet und visualisiert sowie nützliche Statistiken berechnet werden, was eine umfassende Analyse ermöglicht.

Um diese Bibliothek zu verwenden, muss sie **importiert** werden.
```python
# Importing `pandas`
import pandas
```

Zur Vereinfachung wird die Bibliothek häufig mit einem Alias importiert.
```python
# Importing `pandas` with an alias
import pandas as pd
```

In diesem Fall dient `pd` als Alias. Beim Aufrufen von Funktionen aus dieser Bibliothek wird dies künftig wie folgt durchgeführt:
```python
# Importing `pandas` with an alias
import pandas as pd

# Using a function from `pandas`
pd.function()
```

import unittest
import importlib
import sys


# Helper function to dynamically generate test names and assertions
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestUserCode(unittest.TestCase):

    # Test if `pandas` is imported in user_code.py
    def test_pandas_is_imported(self):
        import user_code
        pandas_imported = "pandas" in sys.modules
        condition = pandas_imported
        failure_message = "Expected `pandas` to be imported, but it is not imported."

        _dynamic_test(
            self,
            condition,
            "The `pandas` library is imported.",
            failure_message
        )

    # Test if `pandas` is correctly assigned to `pd`
    def test_pandas_imported_as_pd(self):
        import user_code
        actual_value = getattr(user_code, "pd", None)

        if actual_value is None:
            condition = False
            failure_message = "Expected `pandas` to be imported as `pd`, but `pd` is not declared."
        elif actual_value.__name__ != "pandas":
            condition = False
            failure_message = f"Expected `pandas` to be imported as `pd`, but got `{actual_value.__name__}` imported as `pd`."
        else:
            condition = True
            failure_message = ''

        _dynamic_test(
            self,
            condition,
            "The `pandas` library is correctly imported as `pd`.",
            failure_message
        )


# Run the tests when executing the script
if __name__ == "__main__":
    unittest.main()

test_main.py

Pandas ist eine äußerst benutzerfreundliche Bibliothek für die Datenanalyse. Sie ist zudem darauf ausgelegt, große Datensätze mithilfe von Datenstrukturen wie DataFrame und Series zu verarbeiten. Dadurch ist sie ein unverzichtbares Werkzeug für Data Science. In diesem Leitfaden lernen Sie verschiedene statistische Funktionen kennen, einschließlich der Ermittlung von Korrelationen, Modalwerten, Mediane sowie maximalen und minimalen Werten innerhalb eines Datensatzes. Sie erfahren außerdem, wie fehlende Werte behandelt und bestimmte Werte manipuliert oder entfernt werden können.

Tauchen Sie in die Grundlagen der pandas-Bibliothek ein. Erstellen und bearbeiten Sie Series und DataFrames, untersuchen Sie deren Struktur und gewinnen Sie Sicherheit bei der Durchführung grundlegender Datenoperationen.

Erlernen des Ladens und Verwaltens von Daten aus CSV- und TXT-Dateien. Praktische Erfahrung beim Importieren von Datensätzen und deren Vorbereitung für die weitere Analyse mit pandas-Werkzeugen.

Erlernen Sie das effektive Erkunden, Bereinigen und Zusammenfassen von Daten. Verständnis für den Umgang mit fehlenden Werten, das Extrahieren von Erkenntnissen und die Durchführung grundlegender statistischer Operationen mit pandas.

Was ist Pandas?

Warum Pandas verwenden?

Lösung

Was ist Pandas?

Warum Pandas verwenden?

Lösung