Datenstrukturen in Pandas

Lektion 2 von 19 im Kurs Pandas Analytics von Coddy.

Pandas verwendet zwei Arten von Datenstrukturen: Series und DataFrames.

Eine Series in Pandas ist wie ein eindimensionales Array, das jeden Datentyp enthalten kann. Zum Beispiel könnte eine Series eine Liste von Ganzzahlen [4, 3, 8, 5] sein.
Ein DataFrame ist eine zweidimensionale Datenstruktur, wie eine Tabelle mit Zeilen und Spalten. Stellen Sie sich eine Tabellenkalkulation oder eine SQL-Tabelle vor. Zum Beispiel könnte ein DataFrame eine Sammlung von Series (Spalten) wie Name, Alter und Größe sein.

Sich mit Series und DataFrames vertraut zu machen, wird Ihnen helfen, das Beste aus Pandas herauszuholen.

Um eine Series zu erstellen, verwenden Sie Folgendes:

import pandas as pd
temp = pd.Series([1, 2, ,3])

Jede Spalte in einem DataFrame ist ein Series-Objekt.

Um ein Dictionary in einen DataFrame zu konvertieren, muss es im richtigen Format vorliegen:

data = [{"col1": 22000,'col2': 1500.0},
        {"col1": 25000,'col2': 3000.0},
        {"col1": 23000,'col2': 2500.0}]
df = pd.DataFrame(data)

Es gibt auch andere Formate, die ebenfalls gültig sind.

Aufgabe

Einfach

Erstelle eine Funktion namens dataframe_creator, die Daten empfängt, einen Dataframe aus den Daten erstellt und schließlich den Dataframe ausgibt.

Um einen Dataframe auszugeben, schreibe: print(df).

Probier es selbst

import pandas as pd
def dataframe_creator(data):
    # Schreibe hier den Code

Alle Lektionen in Pandas Analytics

1Einführung

4Datenanalyse mit Pandas

2Arbeiten mit dem DataFrame

5Herausforderungen

3Datenmanipulation mit Pandas