🐼 Sortieren, Filtern & Kombinieren von DataFrames

🐼 Sortieren, Filtern & Kombinieren von DataFrames#

🔁 Sortieren mit sort_values()#

df.sort_values("Alter")

➡️ Sortiert aufsteigend nach einer Spalte

df.sort_values("Note", ascending=False)

➡️ Sortiert absteigend

🔹 Nach mehreren Spalten sortieren:#

df.sort_values(["Studiengang", "Note"])

🔍 Logische Filter & Kombinationen#

🔸 Einfache Filter:#

df[df["Note"] < 2.0]

🔸 Mehrere Bedingungen kombinieren:#

df[(df["Note"] < 2.0) & (df["Studiengang"] == "Informatik")]

Wichtig: Immer Klammern um jede Bedingung und & statt and, | statt or

🔗 Kombinieren von DataFrames#

🔸 Methode 1: pd.concat()#

Zum aneinanderhängen von Tabellen (wie Zeilen kopieren)

df_neu = pd.concat([df1, df2])

  • Option axis=0 (Standard): Zeilen anhängen

  • Option axis=1: Spalten nebeneinanderstellen

🔸 Methode 2: pd.merge()#

Zum Verknüpfen von Tabellen nach Spalte, ähnlich wie JOIN in SQL

df_gesamt = pd.merge(df1, df2, on="Name")

  • Kombiniert beide Tabellen, wo die Spalte “Name” übereinstimmt

  • Andere Modi: how=”inner”, how=”left”, how=”outer” (wie SQL-Joins)

📄 Beispiel: Zwei CSV-Dateien verbinden#

🔹 personen.csv#

Name,Alter
Anna,22
Ben,23
Clara,21

🔹 studiengang.csv#

Name,Studiengang
Anna,Informatik
Ben,BWL
Clara,Informatik

🧱 Schrittweise Lösung:#

import pandas as pd

# CSV-Dateien laden
personen = pd.read_csv("personen.csv")
studiengaenge = pd.read_csv("studiengang.csv")

# Tabellen zusammenführen
df = pd.merge(personen, studiengaenge, on="Name")
print(df)

➡️ Ergebnis:

    Name  Alter  Studiengang
0   Anna     22  Informatik
1    Ben     23        BWL
2  Clara     21  Informatik

✅ Zusammenfassung#

Technik

Beispiel

Sortieren

df.sort_values("Spalte")

Filtern mit Bedingung

df[df["Spalte"] > 1000]

Kombination mit merge

pd.merge(df1, df2, on="ID")

Kombination mit concat

pd.concat([df1, df2])

Mehrere Bedingungen

(A) & (B) mit Klammern

🔧 Übung: Daten sinnvoll verbinden#

📄 Gegeben:#

mitarbeiter.csv mit “ID”, “Name”, “Abteilung”

ID,Name,Abteilung
101,Anna Schulz,IT
102,Ben Meier,HR
103,Clara Lange,IT
104,David Koch,Marketing
105,Ella Frank,HR
106,Felix Nowak,Finanzen

gehaelter.csv mit “ID”, “Gehalt”

ID,Gehalt
101,4500
102,3900
103,4800
104,4100
105,3700
106,5300

✅ Aufgabe:#

  • Lade beide Dateien mit pd.read_csv()

  • Füge sie mit merge() anhand der ID-Spalte zusammen

  • Filtere alle Personen mit Gehalt > 4000

  • Sortiere nach Abteilung und dann nach Gehalt

  • Optional: Speichere das Ergebnis als auswertung.csv

✅ Lösung:#

💡 Lösung anzeigen

# Zusammenfügen
df = pd.merge(mitarbeiter, gehaelter, on="ID")

# Filtern und sortieren
df = df[df["Gehalt"] > 4000].sort_values(["Abteilung", "Gehalt"], ascending=[True, False])
Contents