🐼 Einführung in Pandas

🐼 Einführung in Pandas#

📦 Pandas installieren#

pip install pandas

🧱 Datenstrukturen in Pandas#

import pandas as pd

s = pd.Series([10, 20, 30])
print(s)

➡️ Eine 1-dimensionale Liste mit Index

🔹 DataFrame – eine Tabelle#

daten = {
    "Name": ["Anna", "Ben", "Clara"],
    "Alter": [22, 23, 21]
}

df = pd.DataFrame(daten)
print(df)

➡️ Mehrere Spalten mit Beschriftung

📄 Daten aus CSV-Datei laden#

# personen.csv
Name,Alter,Stadt
Anna,22,Berlin
Ben,23,Hamburg
Clara,21,München

df = pd.read_csv("personen.csv")
print(df)

🧰 Nützliche Methoden zum Einstieg#

Methode

Bedeutung

df.head()

Erste 5 Zeilen

df.tail()

Letzte 5 Zeilen

df.info()

Übersicht: Spalten, Typen, Nullwerte

df.describe()

Statistische Kennzahlen (für Zahlen)

df.columns

Liste aller Spaltennamen

df.shape

Anzahl Zeilen und Spalten

🔍 Zugriff auf Daten#

Spalte auswählen:

df["Name"]

Mehrere Spalten auswählen:

df[["Name", "Stadt"]]

Zeile nach Index:

df.iloc[0]    # Zeile 0
df.loc[1]     # Zeile mit Index 1

🔍 loc vs. iloc – Was ist der Unterschied?#

Pandas bietet zwei Methoden, um auf Zeilen oder Ausschnitte eines DataFrames zuzugreifen:

Zugriffsmethode

Zugriff über…

Was es bedeutet

iloc

position (Indexnummer)

Zugriff auf Zeilen/Spalten nach Reihenfolge

loc

label (Indexwert)

Zugriff über explizite Bezeichnung

 
import pandas as pd

daten = {
    "Name": ["Anna", "Ben", "Clara"],
    "Alter": [22, 23, 21]
}
df = pd.DataFrame(daten, index=["a", "b", "c"])

🔸 df.iloc[0] → Zugriff auf erste Zeile (Position 0)#

print(df.iloc[0])

Name     Anna
Alter      22
Name: a, dtype: object

🔸 df.loc[“a”] → Zugriff auf Zeile mit Index-Label “a”#

print(df.loc["a"])

Name     Anna
Alter      22
Name: a, dtype: object

Ausdruck

Bedeutung

df.iloc[0]

Erste Zeile im DataFrame

df.loc["a"]

Zeile mit explizitem Label “a”

df.iloc[1:3]

Zeilen 1 bis 2 (Position 1–2)

df.loc["b":"c"]

Zeilen von “b” bis “c” (inkl.)

⚠️ Achtung: Wenn kein benannter Index gesetzt wurde (z. B. durch CSV-Datei), sind loc und iloc oft gleichwertig – aber konzeptionell verschieden.#

➕ Neue Spalte berechnen#

df["Geburtsjahr"] = 2024 - df["Alter"]

✍️ übungsaufgabe:

  • Lade die Datei personen.csv mit pd.read_csv()

  • Gib die ersten zwei Zeilen aus

  • Liste nur die Namen aller Personen

  • Wie viele Personen sind insgesamt erfasst?

  • Füge eine Spalte Volljährig hinzu mit True/False je nach Alter

  • Speichere das Ergebnis als personen_neu.csv mit df.to_csv()

Contents