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.

Om du stöter på kolumnen `'Fare'`, är siffrorna här separerade med tecknet `-`. Det ser konstigt ut, eller hur? Vi brukar använda `.` som separator, och Python kan endast tolka tal som är separerade med punkt. Låt oss kontrollera typen för denna kolumn. Du kan göra detta med attributet `.dtypes`. Titta på exemplet med kolumnen `'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)

**Förklaring:**

Syntaksen för `.dtypes` är enkel; du tillämpar den bara på kolumnen eller på hela datasettet. I vårt fall är typen **float64**.

Denna kurs innehåller många användbara funktioner för en framtida dataanalytiker. Du kommer att lära dig olika sätt att extrahera data och även sätta villkor på den. Därefter kommer du att bli bekant med metoder för att gruppera data. Du kommer också att lära dig hur man förbehandlar data. Varje avsnitt har sitt eget dataset, vilket gör kursen engagerande.

Detta avsnitt lär dig hur du kan visa specifika kolumner utifrån deras titlar eller index. Du kommer även att bekanta dig med olika sätt att välja rader utifrån index.

Här kommer du att lära dig hur du extraherar data som uppfyller specifika villkor. Du kommer även att lära dig hur du kombinerar dessa och till och med skapar egna.

I det här avsnittet kommer du att fördjupa dina kunskaper om att ställa in olika datavillkor. Du kommer att lära dig att kontrollera om dina data finns i en definierad lista av värden eller mellan två värden. Du kommer även att lära dig hur du hittar de största och minsta värdena.

Detta avsnitt är ett av de mest fascinerande i kursen. Här kommer du att lära dig hur man grupperar data på olika sätt. Det kommer att hjälpa dig att arbeta som dataanalytiker för att hitta information om specifika datagrupper.

Detta avsnitt är ett av de mest betydelsefulla för en dataanalytiker eftersom det blir omöjligt att arbeta med data om den innehåller saknade värden eller är i fel format. Därför kommer du att lära dig hur man hanterar sådana olämpliga värden här.

Kontrollera kolumntypen