Um sich sicher zu fühlen und diesen Kurs erfolgreich abzuschließen, empfehlen wir Ihnen dringend, **die folgenden Kurse vorher zu absolvieren** (klicken Sie einfach darauf, um zu starten):

## Warum Pandas verwenden?

`pandas` ist eine Python-Bibliothek, die für die Datenverarbeitung und -analyse entwickelt wurde. Das Beherrschen dieser Bibliothek ist sowohl für **Datenwissenschaftler** als auch für **Datenanalysten** von Vorteil. Mit `pandas` können Sie Ihre Daten sortieren, filtern, ändern und visualisieren sowie nützliche Statistiken berechnen, was Ihnen eine umfassende Analyse ermöglicht.

Um diese Bibliothek zu nutzen, müssen Sie sie **importieren**.
```python
# Importing `pandas`
import pandas
```

Zur einfacheren Verwendung ist es üblich, die Bibliothek mit einem Alias zu importieren.
```python
# Importing `pandas` with an alias
import pandas as pd
```

In diesem Fall dient `pd` als Alias. Wenn Sie in Zukunft Funktionen aus dieser Bibliothek aufrufen, würden Sie dies wie folgt tun:
```python
# Importing `pandas` with an alias
import pandas as pd

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

Pandas ist eine äußerst benutzerfreundliche Bibliothek für die Datenanalyse. Sie ist auch darauf ausgelegt, große Datensätze zu verarbeiten, indem sie Datenstrukturen wie DataFrame und Series verwendet. Dies macht sie zu einem unverzichtbaren Werkzeug für Data Science. In diesem Leitfaden lernen Sie eine Reihe von statistischen Funktionen kennen, einschließlich der Berechnung von Korrelationen, Modi, Mediane sowie maximalen und minimalen Werten innerhalb eines Datensatzes. Sie lernen auch, wie man mit fehlenden Werten umgeht und spezifische Werte manipuliert sowie entfernt.

In diesem Abschnitt werden wir die Grundlagen der Series- und DataFrame-Strukturen erkunden. Sie werden auch die Unterschiede zwischen diesen beiden Strukturtypen kennenlernen.

Daten können in verschiedenen Formaten vorliegen, wie CSV, JSON, SQL, HTML und mehr. Mit Pandas sind Sie nicht auf ein einzelnes Format beschränkt – Sie können mit Daten aus einer Vielzahl von Dateitypen arbeiten. In diesem Kapitel konzentrieren wir uns speziell auf die Formate CSV und TXT.

Hier lernen Sie, wie Sie Rohdaten verarbeiten, indem Sie überflüssige Informationen entfernen und Nullwerte in einem Datensatz verwalten.

Was Ist Pandas?

Warum Pandas verwenden?

Lösung