pandas online ausführen

Der DataFrame in pandas

In dieser Lektion erstellst du aus einem Dictionary einen pandas-DataFrame und siehst die Daten als Tabelle mit Zeilen und Spalten.

  • Fortgeschritten
  • 2 Min. Lesezeit
  • 1 ausführbares Beispiel

Einführung

Das Problem

Echte Daten kommen als Tabellen: Schüler mit Namen und Punktzahlen, Verkäufe mit Datum und Betrag. Listen von Listen verlieren die Spaltennamen, und NumPy-Arrays wollen einen einzigen Typ pro Array. pandas gibt dir eine Tabelle mit beschrifteten Spalten unterschiedlicher Typen.

Stell es dir so vor

Ein DataFrame ist wie eine Tabellenkalkulation in Python. Jede Spalte hat einen Namen und enthält eine Art von Wert, jede Zeile ist ein Datensatz, und mit den Zeilennummern links kannst du auf jede Zeile zeigen.

Von der Tabellenkalkulation zum Code
pd.DataFrame({...})📊 Ein Blatt anlegen
"name": [...]🏷️ Eine Spalte namens name
0, 1, 2🔢 Die Zeilenbeschriftungen links (der Index)
students["score"]📈 Eine ganze Spalte auswählen
Benannte Spalten unterschiedlicher Typen, beschriftete Zeilen.
In einem Satz

Ein pandas-DataFrame ist eine zweidimensionale Tabelle mit beschrifteten Spalten, die unterschiedliche Datentypen enthalten können, und beschrifteten Zeilen, dem sogenannten Index.

Das Wichtigste

  1. pd.DataFrame({...}) macht aus einem Dictionary eine Tabelle: Jeder Schlüssel wird zu einer Spalte.
  2. Jede Liste enthält die Werte einer Spalte; alle Listen müssen gleich lang sein.
  3. Die Zeilenbeschriftungen 0, 1 und 2 bilden den Index, der automatisch erzeugt wird.
  4. name enthält Text und score Zahlen, in derselben Tabelle.

Wann verwendet man das?

  • Mit jeder Tabelle arbeiten: CSV- und Excel-Dateien, Datenbankergebnisse, Umfragedaten.
  • Daten bereinigen, filtern, gruppieren und zusammenfassen.
  • Daten für Diagramme und Machine Learning vorbereiten.

Wann du es nicht brauchst

  • Eine Handvoll Werte: Eine Liste oder ein Dictionary ist einfacher.
  • Rein numerische Gitter für aufwendige Rechnungen: NumPy-Arrays sind leichter und schneller.

Beispielcode

Code ausführen →
main.py
import pandas as pd

students = pd.DataFrame({
    "name": ["Ada", "Lin", "Sam"],
    "score": [95, 88, 91],
})

print(students)
Run-Button für dieses Beispiel erstellen

Ergebnis der Ausführung

name  score
0  Ada     95
1  Lin     88
2  Sam     91

Erklärung des Codes

Der DataFrame entsteht aus einem Dictionary, in dem jeder Schlüssel zum Spaltennamen und die zugehörige Liste zu den Daten dieser Spalte wird. Die Listen müssen gleich lang sein. Beim Ausgeben der Tabelle fügt pandas links neben jeder Zeile automatisch einen Index (index) ein, der bei 0 beginnt.

Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.

Übungen zur Vertiefung

Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.

  1. Füge den Beispieldaten Zeilen, Spalten und ein paar fehlende Werte hinzu.
  2. Kombiniere Filtern, Sortieren und groupby zu einem kleinen Bericht.
  3. Lies eine echte Datendatei ein, prüfe den Datentyp jeder Spalte und behandle ungültige Werte.
Im Python-Compiler ausführen →

Häufige Fehler

Spalten unterschiedlicher Länge

Jede Spalte muss einen Wert pro Zeile haben.

Problem
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95]})  # ValueError
Lösung
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95, 88]})

Lektion fertig?

Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.

Mit einer Challenge üben

Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.

Alle Challenges