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.

Hvis du kommer over kolonnen `'Fare'`, er tallene her separert med `-`-tegnet. Det ser litt rart ut, ikke sant? Vi er vant til å bruke `.` som separator, og Python forstår kun tall som er separert med punktum. La oss sjekke typen til denne kolonnen. Du kan gjøre dette ved å bruke attributtet `.dtypes`. Se på eksemplet med kolonnen `'Age'`.

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)

**Forklaring:**

Syntaksen for `.dtypes` er enkel; du bruker den bare på kolonnen eller på hele datasettet. I vårt tilfelle er typen **float64**.

Dette kurset inneholder mange nyttige funksjoner for en fremtidig dataanalytiker. Du vil lære ulike måter å hente ut data på og til og med sette betingelser for dem. Etter dette vil du bli kjent med metoder for å gruppere data. Du vil også lære hvordan du forhåndsbehandler data. Hver seksjon har sitt eget datasett, noe som gjør kurset engasjerende.

Denne seksjonen vil lære deg hvordan du kan hente ut spesifikke kolonner ved hjelp av titler eller indekser. Du vil også bli kjent med ulike måter å velge rader basert på indekser.

Her vil du lære hvordan du kan hente ut data som oppfyller spesifikke betingelser. Du vil også lære hvordan du kan kombinere dem og til og med lage dine egne.

I denne delen vil du utvide kunnskapen din om å sette ulike datakriterier. Du vil lære å sjekke om dataene dine finnes i en definert liste med verdier eller mellom to verdier. Du vil også lære hvordan du finner de største og minste verdiene.

Denne seksjonen er en av de mest fascinerende i kurset. Her vil du lære hvordan du kan gruppere data på ulike måter. Dette vil hjelpe deg som dataanalytiker med å finne informasjon om spesifikke datagrupper.

Denne seksjonen er en av de viktigste for en dataanalytiker fordi det vil være umulig å arbeide med dataene dersom de inneholder manglende verdier eller feil format. Derfor vil du lære hvordan du håndterer slike upassende verdier her.

Sjekke kolonne typen