Der Pandas Komplettkurs 0123

Pandas in dessen vollumfänglicher Funktionalität: Installation, DataFrame, Queries, Series, Indexing, Values, Accessors.
Der Pandas Komplettkurs 0123
File Size :
4.05 GB
Total length :
9h 22m

Category

Instructor

Stefan Lippl

Language

Last update

Zuletzt aktualisiert am 1/2023

Ratings

4.4/5

Der Pandas Komplettkurs 0123

What you’ll learn

Die vollumfängliche Funktionalität von Pandas
Eigene DataFrames / Series erstellen
DataFrames speichern um diese weiterverarbeiten zu können
DataFrames einlesen
Die richtige Indexierung von Daten eines DataFrames
Selektion von bestimmten Daten eines DataFrames
Pandas Merge Funktion ausführlich kennenlernen
Advanced Pandas Funktionen kennenlernen
EDA mit Pandas und Plotly

Der Pandas Komplettkurs 0123

Requirements

Grundlegende Programmierkenntnisse mit der Programmiersprache Python
Keinerlei Vorkenntnisse mit Pandas

Description

Pandas ist DAS Analyse-Tool im Jahr 2023. Egal ob im Bereich Datenbanken oder Webentwicklung, vorallem aber Data Science und Machine Learning. Bei Pandas handelt es sich um eine elegante Mischung aus Python und SQL, welches dir erlaubt, zielgerichtete und komplexe Abfragen an dein Datensatz zu stellen. Pandas baut auf dem Table Prinzip auf, wobei es hier speziell um sogenannte DataFrames geht.Diese DataFrames beinhalten Spalten und diese Spalten beinhalten wiederrum Werte unterschiedlichster Datentypen. Das coole an Pandas? Es kann mit all dem perfekt umgehen und egal welcher Use Case dir gerade einfällt, du kannst mit Sicherheit sagen, dass Pandas eine passende Lösung dafür bieten kann.In diesem Kurs behandeln wir Pandas von A – Z. Begonnen bei der Installation von Jupyter Notebook über die Installation von Pandas mittels dem Python Paket Manager PIP, gefolgt von Basic Abfragen des DataFrames bis hin zu komplexen Abfragen unterschiedlicher DataFrames und Merges über mehrere DataFrames hinaus.Dazwischen kümmern wir uns noch um sehr hilfreiche Best-Practice Methoden die du so im Alltag eines Data Scientist finden wirst und auch advanced Methoden mit denen du komplexere Operationen auf einzelne Spalten oder das komplette DataFrame ausführen kannst.Als Bonus habe ich dir ein Plotly Kapitel mit ausgearbeitet und aufgenommen. So kannst du deine Daten nicht nur optimal verarbeiten, sondern im Anschluss daran auch grafisch darstellen und präsentieren.Nach diesem Kurs bist du mehr als vorbereitet und definitiv in der Lage, komplett selbständig Datensätze analysieren zu können. Damit du dich von der Qualität des Kurses selbst überzeugen kannst, habe ich dir ein paar Lektionen kostenlos freigeschalten :-).

Overview

Section 1: Einführung

Lecture 1 Kursübersicht (Inhalt)

Lecture 2 Kursstruktur (Aufbau)

Section 2: Entwicklungsumgebung einrichten

Lecture 3 Anaconda Download

Lecture 4 Environment einrichten

Lecture 5 Environment Troubleshooting

Lecture 6 Jupyter Notebook

Section 3: Pandas Basics

Lecture 7 Kapitelübersicht: Pandas Basics

Lecture 8 Pandas Library installieren

Lecture 9 Einführung Pandas Series

Lecture 10 Einführung Pandas DataFrane

Lecture 11 DataFrame (CSV) einlesen

Lecture 12 DataFrame (CSV) speichern

Lecture 13 ÜBUNG: Pandas Basics

Section 4: Pandas Indexing

Lecture 14 Kapitelübersicht: Pandas Indexing

Lecture 15 Indexing: Accessoren

Lecture 16 Indexing: Index basiert (.iloc)

Lecture 17 Indexing: Label basiert (.loc)

Lecture 18 Indexing: Index manipulieren

Lecture 19 ÜBUNG: Pandas Indexing

Section 5: Pandas Selecting Data

Lecture 20 Kapitelübersicht: Pandas Selecting

Lecture 21 Selecting: Einfache Selektion

Lecture 22 Selecting: Multiple Selektion

Lecture 23 Selecting: Built-In Funktionen – I

Lecture 24 Selecting: Built-In Funktionen – II

Lecture 25 Selecting: Built-In Funktionen – III

Lecture 26 Selecting: Query Fuktion

Lecture 27 ÜBUNG: Pandas Selecting

Section 6: Pandas Summary Functions

Lecture 28 Kapitelübersicht: Summary Functions

Lecture 29 Summary Functions auf DataFrame

Lecture 30 Summary Functions auf Series

Lecture 31 ÜBUNG: Summary Functions

Section 7: Pandas Daten zuweisen

Lecture 32 Kapitelübersicht: Daten zuweisen

Lecture 33 Assign: Neue Spalte einfügen

Lecture 34 Assign: Neue Zeile (von DataFrame)

Lecture 35 Assign: Neue Zeile (von Dictionary)

Lecture 36 ÜBUNG: Daten zuweisen

Section 8: Pandas: Grouping & Sorting

Lecture 37 Kapitelübersicht: Grouping & Sorting

Lecture 38 Gruppieren: Single Index

Lecture 39 Gruppieren: Multi Index

Lecture 40 Sortieren: DF’s sortieren und ordnen

Lecture 41 ÜBUNG: Grouping & Sorting

Section 9: Pandas Datatypes und missing Values

Lecture 42 Kapitelübersicht: Datatypes & Missing Values

Lecture 43 Datentypen

Lecture 44 Missing Values

Lecture 45 ÜBUNG: Datatypes & Missing Values

Section 10: Pandas Renaming & Kombinieren

Lecture 46 Kapitelübersicht: Renaming & Kombinieren

Lecture 47 Renaming: Spalte umbenennen

Lecture 48 Renaming: Axen umbenennen

Lecture 49 DataFrames kombinieren: .concat

Lecture 50 DataFrames kombinieren: .join

Lecture 51 ÜBUNG: Renaming & Kombiniere

Section 11: Pandas Merge Function

Lecture 52 Kapitelübersicht: Merge Function

Lecture 53 Merging: Mit for-loop

Lecture 54 Merging: Einführung

Lecture 55 Merging: INNER JOIN

Lecture 56 Merging: Mit ausgewählten Spalten

Lecture 57 Mergin: LEFT JOIN

Lecture 58 Merging: RIGHT JOIN

Lecture 59 Merging: OUTER JOIN

Lecture 60 Merging: CROSS JOIN

Lecture 61 ÜBUNG: Pandas Merge Function

Section 12: Pandas Additional Functions

Lecture 62 Kapitelübersicht: Additional Functions

Lecture 63 Function: .drop_duplicates

Lecture 64 Function: .astype

Lecture 65 Function: .pop & .insert

Lecture 66 Function: .startswith

Lecture 67 Function: .replace & .split

Lecture 68 ÜBUNG: Pandas Additional Functions

Section 13: Pandas Advanced Functions

Lecture 69 Kapitelübersicht: Advanced Functions

Lecture 70 Function: .map

Lecture 71 Function: .apply – Teil 1

Lecture 72 Function: .apply – Teil 2

Lecture 73 Function: .apply – Teil 3

Lecture 74 Function: lambda

Lecture 75 ÜBUNG: Pandas Advanced Functions

Section 14: EDA mit Plotly & Pandas

Lecture 76 Kapitelübersicht: Plotly

Lecture 77 Information zum Kapitel

Section 15: Abschluss

Lecture 78 Ausblick

Lecture 79 Gutscheincode für weitere Kurse

Python Entwickler,Data Scientists,Machine Learning Engineer,NLP Entwickler,Datenbankentwickler,Statistiker,Informatik Studenten,An jeden der Lust hat Pandas zu lernen 🙂

Course Information:

Udemy | Deutsch | 9h 22m | 4.05 GB
Created by: Stefan Lippl

You Can See More Courses in the Developer >> Greetings from CourseDown.com

New Courses

Scroll to Top