{"id":163395,"date":"2023-11-22T18:07:28","date_gmt":"2023-11-22T17:07:28","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=163395"},"modified":"2023-11-22T18:07:30","modified_gmt":"2023-11-22T17:07:30","slug":"dataframe","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/dataframe","title":{"rendered":"Was ist ein Data Frame?"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"163395\" class=\"elementor elementor-163395\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-71f7c25 e-flex e-con-boxed e-con\" data-id=\"71f7c25\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-60cdea1 elementor-widget elementor-widget-text-editor\" data-id=\"60cdea1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<h2><strong>Data Frame: Panda ist aus den Bibliotheken von Python nicht mehr wegzudenken. Es handelt sich um eine objektorientierte, sehr leistungsf\u00e4hige Programmiersprache, die bei Data Scientists sehr beliebt ist. Die am h\u00e4ufigsten verwendeten Strukturen dieser Programmbibliothek sind Series und DataFrames. Bei Series handelt es sich um Objekte, die eindimensionalen Arrays entsprechen. Bei DataFrames hingegen entsprechen die Objekte zweidimensionalen Arrays, die aus Zeilen und Spalten bestehen, wodurch die Beziehungen zwischen den verschiedenen Variablen des Datensatzes hervorgehoben werden k\u00f6nnen.\u00a0<\/strong><\/h2>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2f2e821 elementor-widget elementor-widget-text-editor\" data-id=\"2f2e821\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote><p><span style=\"font-weight: 400;\">Ein Data Frame ist eine Reihe von <a href=\"https:\/\/pandas.pydata.org\/docs\/reference\/api\/pandas.Series.html\">Pandas Series<\/a>, die durch einen Wert indiziert sind. In diesem Artikel werden wir dann die Struktur von DataFrames vorstellen, ihre verschiedenen Attribute und grundlegenden Methoden betrachten, indem wir ihre N\u00fctzlichkeit und ihre Funktionsweise erl\u00e4utern.<\/span><\/p><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-84e6ed6 e-flex e-con-boxed e-con\" data-id=\"84e6ed6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4cf9675 elementor-widget elementor-widget-heading\" data-id=\"4cf9675\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">1) Wie sieht ein Data Frame aus ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-188be27 elementor-widget elementor-widget-text-editor\" data-id=\"188be27\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Das Format von DataFrame kann mit Python-W\u00f6rterb\u00fcchern verglichen werden. Tats\u00e4chlich sind die Schl\u00fcssel die Spaltennamen und die Werte die Serien.<\/span><\/p><p><span style=\"font-weight: 400;\">Die Struktur von DataFrame ist einer Excel-Tabelle \u00e4hnlich.<\/span><\/p><blockquote><p><span style=\"font-weight: 400;\">Jede Zeile enth\u00e4lt Daten, die f\u00fcr verschiedene Spalten spezifisch sind. Diese Spalten sind die Variablen. Der Name der Zeilen eines DataFrames hei\u00dft \u201eIndex\u201c, der standardm\u00e4\u00dfig immer mit 0 beginnt.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400;\">Es ist jedoch m\u00f6glich, die Zeilen eines DataFrames nach jedem m\u00f6glichen Wert zu indizieren: Kundenkennung oder Zeiteinheit. Die Namen der Spalten sind mit dem Namen einer bestimmten Variablen gekennzeichnet, der verschiedene Werte zugewiesen werden.<\/span><\/p><p><span style=\"font-weight: 400;\">Die Werte dieser Variablen k\u00f6nnen viele Datenformate annehmen. Jede Spalte ist einem Datentyp zugeordnet, beispielsweise einer Zeichenfolge (Objekt), die sich auf qualitative Daten bezieht, oder einer Spalte mit einem ganzzahligen Typ, der ganzen Zahlen entspricht.<\/span><\/p><p><span style=\"font-weight: 400;\">Es ist m\u00f6glich, den Typ der Variablen mit der Methode <\/span><b>astype()<\/b><span style=\"font-weight: 400;\"> nach Bedarf zu \u00e4ndern.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-62ba74f elementor-widget elementor-widget-image\" data-id=\"62ba74f\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"843\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/09\/Sans-titre-2-02.webp\" class=\"attachment-large size-large wp-image-163398\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/09\/Sans-titre-2-02.webp 768w, https:\/\/datascientest.com\/de\/files\/2022\/09\/Sans-titre-2-02-273x300.webp 273w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Data Frame<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c2ce7f3 e-flex e-con-boxed e-con\" data-id=\"c2ce7f3\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3f981b8 elementor-widget elementor-widget-heading\" data-id=\"3f981b8\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">2) Wichtige Attribute und Methoden<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7d6f2d7 elementor-widget elementor-widget-text-editor\" data-id=\"7d6f2d7\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Es gibt viele M\u00f6glichkeiten, DataFrames zu verwenden. Die Attribute und Methoden dieser Daten-Struktur sind sehr zahlreich. Dieser Artikel konzentriert sich haupts\u00e4chlich auf die grundlegenden Methoden zum Erlernen des Umgangs mit DataFrames.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c869cad elementor-widget elementor-widget-heading\" data-id=\"c869cad\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">A- Import und Beobachtung des Datensatzes<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9f87e95 e-flex e-con-boxed e-con\" data-id=\"9f87e95\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bde7f3d elementor-widget elementor-widget-heading\" data-id=\"bde7f3d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Import und Information von Variablen<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7f5b6aa elementor-widget elementor-widget-text-editor\" data-id=\"7f5b6aa\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Um einen Datensatz zu importieren, bietet die Pandas-Bibliothek eine sehr praktische Methode, n\u00e4mlich <\/span><b>pd.read_csv()<\/b><span style=\"font-weight: 400;\">. Wenn die Datei, die den Datensatz enth\u00e4lt, in einem anderen Format als <\/span><i><span style=\"font-weight: 400;\">Comma Separated Value<\/span><\/i><span style=\"font-weight: 400;\"> vorliegt, muss der richtige Dateityp gew\u00e4hlt werden. <\/span><\/p><p><span style=\"font-weight: 400;\">Beispielsweise wird eine Excel-Datei wie folgt importiert: <\/span><b>pd.read_excel()<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Diese Methode importiert das Dataset in eine DataFrame-Struktur.<\/span><\/p><p><span style=\"font-weight: 400;\">Dann muss die Methode<\/span><b> info()<\/b><span style=\"font-weight: 400;\"> verwendet werden, um die Informationen \u00fcber den DataFrame zu erhalten. Diese Methode gibt den Variablentyp, die Anzahl der Spalten, die Anzahl der Nicht-Null-Zeilen, den Indextyp, die Speichergr\u00f6\u00dfe des Datensatzes usw. zur\u00fcck.<\/span><\/p><p><span style=\"font-weight: 400;\">Es wird auch empfohlen, die Methode <\/span><b>describe() <\/b><span style=\"font-weight: 400;\">zu verwenden, die Dir einige beschreibende Statistiken \u00fcber den DataFrame mitteilt.<\/span><\/p><p><span style=\"font-weight: 400;\">Es erm\u00f6glicht beispielsweise, den Mindest- und H\u00f6chstwert jeder Variablen, die Quartile oder die Standardabweichung der Spalten zu kennen.<\/span><\/p><p><span style=\"font-weight: 400;\">Diese Methode ist n\u00fctzlich, um sich ein Bild von der Verteilung von Variablen zu machen.<\/span><\/p><p>\u00a0<\/p><p>\ud83d\udca1Auch interessant:<\/p><table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\"><colgroup><col width=\"1116\" \/><\/colgroup><tbody><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Xplenty: Die wichtigsten Punkte dieses Datenintegrationssystems &quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/xplenty-die-wichtigsten-punkte-dieses-datenintegrationssystems\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/xplenty-die-wichtigsten-punkte-dieses-datenintegrationssystems\" target=\"_blank\" rel=\"noopener\">Xplenty: Die wichtigsten Punkte dieses Datenintegrationssystems <\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Was ist Technologiebeobachtung? Definition und Herausforderungen&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/was-ist-technologiebeobachtung-definition-und-herausforderungen\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/was-ist-technologiebeobachtung-definition-und-herausforderungen\" target=\"_blank\" rel=\"noopener\">Was ist Technologiebeobachtung? Definition und Herausforderungen<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Aurora GenAI: Der neue Supercomputer mit einer Billion Parametern von Intel &quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/aurora-genai-der-neue-supercomputer-mit-einer-billion-parametern-von-intel\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/aurora-genai-der-neue-supercomputer-mit-einer-billion-parametern-von-intel\" target=\"_blank\" rel=\"noopener\">Aurora GenAI: Der neue Supercomputer mit einer Billion Parametern von Intel <\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Computational Resource: Definition, Funktionsweise und Rolle &quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/computational-resource-definition-funktionsweise-und-rolle\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/computational-resource-definition-funktionsweise-und-rolle\" target=\"_blank\" rel=\"noopener\">Computational Resource: Definition, Funktionsweise und Rolle <\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Cloudera: Wie kann man sich auf dieser Plattform weiterbilden?&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/cloudera-wie-kann-man-sich-auf-dieser-plattform-weiterbilden\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/cloudera-wie-kann-man-sich-auf-dieser-plattform-weiterbilden\" target=\"_blank\" rel=\"noopener\">Cloudera: Wie kann man sich auf dieser Plattform weiterbilden?<\/a><\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-a269d87 e-flex e-con-boxed e-con\" data-id=\"a269d87\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6239957 elementor-widget elementor-widget-heading\" data-id=\"6239957\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Erster Blick auf den DataFrame<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f33413e elementor-widget elementor-widget-text-editor\" data-id=\"f33413e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wenn der Datensatz importiert wird, ist es notwendig, einen \u00dcberblick \u00fcber den DataFrame zu haben.<\/span><\/p><p><span style=\"font-weight: 400;\">Der erste Schritt besteht darin, das Attribut <\/span><b>shape<\/b><span style=\"font-weight: 400;\"> zu verwenden, das Dich \u00fcber die Dimension des DataFrame informiert, indem es ein Tupel zur\u00fcckgibt (<\/span><i><span style=\"font-weight: 400;\">number_of_rows, number_of_columns<\/span><\/i><span style=\"font-weight: 400;\">).<\/span><\/p><p><span style=\"font-weight: 400;\">In Bezug auf das Verst\u00e4ndnis des Datensatzes sind drei Methoden sehr n\u00fctzlich, um die Zeilen des DataFrame zu visualisieren:<\/span><\/p><ul><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Die Methode <\/span><b>head()<\/b><span style=\"font-weight: 400;\"> gibt die ersten f\u00fcnf Zeilen des DataFrame zur\u00fcck, wenn keine Zahl in Klammern angegeben ist.<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Hingegen kannst Du mit der Methode<\/span><b> tail()<\/b><span style=\"font-weight: 400;\"> die letzten f\u00fcnf Zeilen des DataFrame anzeigen.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">Diese beiden Methoden erm\u00f6glichen eine Visualisierung des Beginns und des Endes des Datensatzes. Dies hat einen echten Vorteil f\u00fcr Daten vom Typ Times Series, um eine einfache Vorstellung von der Entwicklung der Daten im Laufe der Zeit zu haben.<\/span><\/p><p><span style=\"font-weight: 400;\">Es erm\u00f6glicht \u00fcberhaupt zu sehen, ob die Daten eine bestimmte Bedeutung behalten: Wenn der Beginn der DataFrame sich erheblich vom Ende des letzteren unterscheidet, ist es notwendig, die Ursache zu verstehen und zu versuchen, dieses Problem zu l\u00f6sen, bevor Daten manipuliert werden.<\/span><\/p><ul><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Wenn eine eher zuf\u00e4llige Visualisierung von Zeilen gew\u00fcnscht wird, sollte die Methode <\/span><b>sample() <\/b><span style=\"font-weight: 400;\">bevorzugt werden. Es gibt Zeilen zuf\u00e4llig zur\u00fcck. Standardm\u00e4\u00dfig gibt das Ergebnis nur eine Zeile des DataFrame zur\u00fcck.<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Es ist also besser, eine Ganzzahl in die Klammer zu schreiben, um eine gr\u00f6\u00dfere Anzahl von Zeilen anzuzeigen und somit eine bessere Vorstellung vom Inhalt des DataFrame zu bekommen.<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-faa1c2f e-flex e-con-boxed e-con\" data-id=\"faa1c2f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-00dac78 elementor-widget elementor-widget-heading\" data-id=\"00dac78\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Slicing<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-64345fa elementor-widget elementor-widget-text-editor\" data-id=\"64345fa\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir k\u00f6nnen unsere Daten mit <\/span><b>Slice<\/b><span style=\"font-weight: 400;\"> filtern. Beispielsweise gibt <\/span><b>df[:2] <\/b><span style=\"font-weight: 400;\">die ersten beiden Zeilen unseres DataFrame zur\u00fcck.<\/span><\/p><p><span style=\"font-weight: 400;\">Sei aber vorsichtig: Wir d\u00fcrfen nicht vergessen, dass die letzte Zahl exogen ist.<\/span><\/p><p><span style=\"font-weight: 400;\">Dies bedeutet, dass das Slicing in unserem Beispiel die Zeilen bei Index 0 und 1 zur\u00fcckgibt.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-abb004d elementor-widget elementor-widget-heading\" data-id=\"abb004d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">B- Datenmanipulation<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6a06505 e-flex e-con-boxed e-con\" data-id=\"6a06505\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-924e1a9 elementor-widget elementor-widget-heading\" data-id=\"924e1a9\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Daten hinzuf\u00fcgen und \u00e4ndern<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-99980a8 elementor-widget elementor-widget-text-editor\" data-id=\"99980a8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wie in der Einleitung erkl\u00e4rt, sind DataFrames zweidimensionale Arrays, die den Achsen von Zeilen (Achse = 0) und Spalten (Achse = 1) entsprechen.<\/span><\/p><p><span style=\"font-weight: 400;\">Es ist m\u00f6glich, so viele Zeilen oder Spalten wie n\u00f6tig hinzuzuf\u00fcgen, indem Du die Achse angibst, in der wir diese neuen Werte hinzuf\u00fcgen m\u00f6chten.<\/span><\/p><p><span style=\"font-weight: 400;\">Das Interessante an DataFrames ist, dass es sehr einfach ist, Daten in dieser Struktur abzurufen, zu \u00e4ndern, zu laden oder zu suchen. Stellen wir uns einen nach Zeit indizierten DataFrame vor.<\/span><\/p><p><span style=\"font-weight: 400;\">Wir m\u00f6chten alle Daten vom 18. Dezember 2020 abrufen. Mit der Funktion <\/span><b>iloc<\/b><span style=\"font-weight: 400;\"> ist es m\u00f6glich, alle variablen Daten an diesem Datum abzurufen.<\/span><\/p><p><span style=\"font-weight: 400;\">Au\u00dferdem ist es m\u00f6glich, mit dieser Funktion einen Wert einer der Spalten zu ersetzen, indem der Index und der Name der Spalte angegeben werden.<\/span><\/p><p><span style=\"font-weight: 400;\">Beispielsweise fehlt der Wert am 18. Dezember 2020 ; wir aber wissen, dass der tats\u00e4chliche Wert 25 ist. Du kannst einfach <\/span><b>df.iloc[Index_der_Zeile, \u201ecolumns\u201c] = 25<\/b><span style=\"font-weight: 400;\"> eingeben.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6fb9117 e-flex e-con-boxed e-con\" data-id=\"6fb9117\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ea98009 elementor-widget elementor-widget-heading\" data-id=\"ea98009\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Boolean Indexing<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-609fa49 elementor-widget elementor-widget-text-editor\" data-id=\"609fa49\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Es ist m\u00f6glich, die Daten nach einer oder mehreren Bedingungen zu filtern. Damit kann man spezifische Daten und\/oder bestimmte Daten f\u00fcr einen bestimmten Bedarf abrufen und alle n\u00fctzlichen und notwendigen Informationen anzeigen.<\/span><\/p><p><span style=\"font-weight: 400;\">Dies wird als <\/span><b>Boolean Indexing<\/b><span style=\"font-weight: 400;\"> bezeichnet. Mit dieser Technik kann man wissen, ob der Wert eines Tests wahr oder falsch ist. Das Ergebnis wird in Form eines Vektors zur\u00fcckgegeben. Beispielsweise haben wir einen Datensatz, in dem jede Spalte ein Monat des Jahres ist. Der Typ des DataFrame ist DateTimeIndex.<\/span><\/p><p><span style=\"font-weight: 400;\">Wir m\u00f6chten die Zeilen abrufen, in denen der Monat Januar streng gr\u00f6\u00dfer als 25 ist. So schreiben wir den Code: <\/span><b>df[df[&#8222;Januar&#8220;] &gt; 25]<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Diese Methode des <\/span><b>Boolean Indexing<\/b><span style=\"font-weight: 400;\"> filtert die Daten, um nur die Zeilen zur\u00fcckzugeben, die die Bedingung \u201eWerte gr\u00f6\u00dfer als 25 f\u00fcr den Monat Januar\u201c erf\u00fcllen. Im Allgemeinen wird <\/span><b>Boolean Indexing<\/b><span style=\"font-weight: 400;\"> in folgendem Format geschrieben: <\/span><b>df[\u201eBedingung\u201c].<\/b><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c807069 e-flex e-con-boxed e-con\" data-id=\"c807069\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-27f998d elementor-widget elementor-widget-heading\" data-id=\"27f998d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Die Spalten<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c69570d elementor-widget elementor-widget-text-editor\" data-id=\"c69570d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">DataFrames werden verwendet, um gro\u00dfe Datenmengen zu bearbeiten und zu speichern. In einem professionellen Umfeld werden jedoch regelm\u00e4\u00dfig riesige Datenmengen mit sehr vielen Variablen verarbeitet.<\/span><\/p><p><span style=\"font-weight: 400;\">Die Erh\u00f6hung der Anzahl der Variablen wirkt sich insbesondere auf die Organisation von DataFrames aus.<\/span><\/p><p><span style=\"font-weight: 400;\">Je h\u00f6her die Anzahl der Spalten, desto weniger einfach ist es, die Namen der Variablen zu visualisieren.<\/span><\/p><p><span style=\"font-weight: 400;\">Um dieses Problem zu l\u00f6sen, gibt es mehrere m\u00f6gliche Manipulationen.<\/span><\/p><p><span style=\"font-weight: 400;\">Wenn der DataFrame zehn verschiedene Variablen hat, ist es m\u00f6glich, ihre Namen mit dem Attribut <\/span><b>df.columns<\/b><span style=\"font-weight: 400;\"> herauszufinden.<\/span><\/p><p><span style=\"font-weight: 400;\">Wenn der Datensatz jedoch achthundert Spalten hat, wird die Anzeige der Variablennamen nicht vollst\u00e4ndig sein.<\/span><\/p><p><span style=\"font-weight: 400;\">Um dieses Problem zu l\u00f6sen, ist es m\u00f6glich, die Methode <\/span><b>df.columns.toList()<\/b><span style=\"font-weight: 400;\"> zu verwenden, mit der Du die Spaltennamen in einer Python-Liste speichern kannst.<\/span><\/p><p><span style=\"font-weight: 400;\">Um herauszufinden, ob es Zeilen gibt, die nicht eindeutig und m\u00f6glicherweise Duplikate sind, ist die Methode <\/span><b>df[&#8222;columns&#8220;].value_counts() <\/b><span style=\"font-weight: 400;\">eine einfache M\u00f6glichkeit, dies zu \u00fcberpr\u00fcfen.<\/span><\/p><p><span style=\"font-weight: 400;\">Wenn wir es gewohnt sind, mit Tabellen zu arbeiten, ist es zur besseren Lesbarkeit m\u00f6glich, <\/span><b>to_frame()<\/b><span style=\"font-weight: 400;\"> am Ende des Codes hinzuzuf\u00fcgen, um die Ergebnisse im Format eines DataFrame anzuzeigen.<\/span><\/p><p><span style=\"font-weight: 400;\">Diese Methode von <\/span><b>value_counts()<\/b><span style=\"font-weight: 400;\"> erm\u00f6glicht es, das Auftreten der Modalit\u00e4ten einer Variablen zu erfahren.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-473f3ab e-flex e-con-boxed e-con\" data-id=\"473f3ab\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-45a6a0a elementor-widget elementor-widget-heading\" data-id=\"45a6a0a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Fehlende Werte<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9fab79c elementor-widget elementor-widget-text-editor\" data-id=\"9fab79c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Bei der Arbeit an einem Data-Science-Projekt kommt es h\u00e4ufig vor, dass man sich mit fehlenden und\/oder falschen Werten befasst.<\/span><\/p><p><span style=\"font-weight: 400;\">DataFrames l\u00f6sen dieses Problem sehr einfach. Beispielsweise besteht bei qualitativen Daten eine der Methoden zum Ersetzen fehlender Werte darin, Daten nach dem Kategoriemodus zu verarbeiten.<\/span><\/p><p><span style=\"font-weight: 400;\">Verwende einfach den folgenden Code, um diese Manipulation zu erreichen: <\/span><b>df[column].fillna(df[columns].mode()[0]).<\/b><span style=\"font-weight: 400;\"> Man kann zum Beispiel auch quantitative Werte durch den Mittelwert ersetzen.<\/span><\/p><p><span style=\"font-weight: 400;\">So erm\u00f6glichen DataFrames, Korrelationen und Beziehungen zwischen Daten dank der verschiedenen m\u00f6glichen Manipulationen zu verbessern, Filter f\u00fcr die den Teams pr\u00e4sentierten Daten zu definieren, riesige Datenmengen zu speichern und zu manipulieren. <\/span><\/p><p><span style=\"font-weight: 400;\">Zusammenfassend l\u00e4sst sich sagen, dass DataFrames es Data Scientists erm\u00f6glichen, die Bedeutung von ihren Daten zu verstehen, indem sie \u00fcber die durchzuf\u00fchrenden Bedingungen und Verwendungen entscheiden.<\/span><\/p><p><span style=\"font-weight: 400;\">Wenn Du lernen m\u00f6chtest, welche Bedeutung Daten haben, sind unsere Data Science\u00a0 Ausbildungen genau das Richtige f\u00fcr Dich!<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8d7b52b elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"8d7b52b\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecke unsere Programme<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f847e3d e-flex e-con-boxed e-con\" data-id=\"f847e3d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b182b45 elementor-widget elementor-widget-spacer\" data-id=\"b182b45\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-column .elementor-spacer-inner{height:var(--spacer-size)}.e-con{--container-widget-width:100%}.e-con-inner>.elementor-widget-spacer,.e-con>.elementor-widget-spacer{width:var(--container-widget-width,var(--spacer-size));--align-self:var(--container-widget-align-self,initial);--flex-shrink:0}.e-con-inner>.elementor-widget-spacer>.elementor-widget-container,.e-con-inner>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer,.e-con>.elementor-widget-spacer>.elementor-widget-container,.e-con>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer{height:100%}.e-con-inner>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer>.elementor-spacer-inner,.e-con>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer>.elementor-spacer-inner{height:var(--container-widget-height,var(--spacer-size))}<\/style>\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-78454ca e-flex e-con-boxed e-con\" data-id=\"78454ca\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2993da4 elementor-widget elementor-widget-html\" data-id=\"2993da4\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Was ist ein DataFrame?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Pandas ist aus den Bibliotheken von Python nicht mehr wegzudenken. Es handelt sich um eine objektorientierte, sehr leistungsf\u00e4hige Programmiersprache, die bei Data Scientists sehr beliebt ist. Die am h\u00e4ufigsten verwendeten Strukturen dieser Programmbibliothek sind Series und DataFrames. Bei Series handelt es sich um Objekte, die eindimensionalen Arrays entsprechen. Bei DataFrames hingegen entsprechen die Objekte zweidimensionalen Arrays, die aus Zeilen und Spalten bestehen, wodurch die Beziehungen zwischen den verschiedenen Variablen des Datensatzes hervorgehoben werden k\u00f6nnen.\u00a0\r\nEin DataFrame ist eine Reihe von Pandas Series, die durch einen Wert indiziert sind. In diesem Artikel werden wir dann die Struktur von DataFrames vorstellen, ihre verschiedenen Attribute und grundlegenden Methoden betrachten, indem wir ihre N\u00fctzlichkeit und ihre Funktionsweise erl\u00e4utern.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Wie sieht DataFrame aus ?\u200b\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Das Format von DataFrame kann mit Python-W\u00f6rterb\u00fcchern verglichen werden. Tats\u00e4chlich sind die Schl\u00fcssel die Spaltennamen und die Werte die Serien. Die Struktur von DataFrame ist einer Excel-Tabelle \u00e4hnlich.\r\n\r\nJede Zeile enth\u00e4lt Daten, die f\u00fcr verschiedene Spalten spezifisch sind. Diese Spalten sind die Variablen. Der Name der Zeilen eines DataFrames hei\u00dft \u201eIndex\u201c, der standardm\u00e4\u00dfig immer mit 0 beginnt.\r\n\r\nEs ist jedoch m\u00f6glich, die Zeilen eines DataFrames nach jedem m\u00f6glichen Wert zu indizieren: Kundenkennung oder Zeiteinheit. Die Namen der Spalten sind mit dem Namen einer bestimmten Variablen gekennzeichnet, der verschiedene Werte zugewiesen werden. Die Werte dieser Variablen k\u00f6nnen viele Datenformate annehmen. Jede Spalte ist einem Datentyp zugeordnet, beispielsweise einer Zeichenfolge (Objekt), die sich auf qualitative Daten bezieht, oder einer Spalte mit einem ganzzahligen Typ, der ganzen Zahlen entspricht. Es ist m\u00f6glich, den Typ der Variablen mit der Methode astype() nach Bedarf zu \u00e4ndern.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Data Frame: Panda ist aus den Bibliotheken von Python nicht mehr wegzudenken. Es handelt sich um eine objektorientierte, sehr leistungsf\u00e4hige Programmiersprache, die bei Data Scientists sehr beliebt ist. Die am h\u00e4ufigsten verwendeten Strukturen dieser Programmbibliothek sind Series und DataFrames. Bei Series handelt es sich um Objekte, die eindimensionalen Arrays entsprechen. Bei DataFrames hingegen entsprechen die [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":163397,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Was ist ein Data Frame?<\/title>\n<meta name=\"description\" content=\"Ein Data Frame ist eine Reihe von Pandas Series, die durch einen Wert indiziert sind. In diesem Artikel werden wir Dir DataFrames vorstellen!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/dataframe\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Was ist ein Data Frame?\" \/>\n<meta property=\"og:description\" content=\"Data Frame: Panda ist aus den Bibliotheken von Python nicht mehr wegzudenken. Es handelt sich um eine objektorientierte, sehr leistungsf\u00e4hige\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/dataframe\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-11-22T17:07:28+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-22T17:07:30+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/09\/DATAFRAME_Plan-de-travail-1.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"422\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Adriano R\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Adriano R\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/dataframe#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/dataframe\"},\"author\":{\"name\":\"Adriano R\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\"},\"headline\":\"Was ist ein Data Frame?\",\"datePublished\":\"2023-11-22T17:07:28+00:00\",\"dateModified\":\"2023-11-22T17:07:30+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/dataframe\"},\"wordCount\":1525,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/dataframe#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/dataframe\",\"url\":\"https:\/\/datascientest.com\/de\/dataframe\",\"name\":\"Was ist ein Data Frame?\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-11-22T17:07:28+00:00\",\"dateModified\":\"2023-11-22T17:07:30+00:00\",\"description\":\"Ein Data Frame ist eine Reihe von Pandas Series, die durch einen Wert indiziert sind. In diesem Artikel werden wir Dir DataFrames vorstellen!\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/dataframe\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\",\"name\":\"Adriano R\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"caption\":\"Adriano R\"},\"sameAs\":[\"user\"],\"url\":\"https:\/\/datascientest.com\/de\/author\/adriano-r\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Was ist ein Data Frame?","description":"Ein Data Frame ist eine Reihe von Pandas Series, die durch einen Wert indiziert sind. In diesem Artikel werden wir Dir DataFrames vorstellen!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/dataframe","og_locale":"de_DE","og_type":"article","og_title":"Was ist ein Data Frame?","og_description":"Data Frame: Panda ist aus den Bibliotheken von Python nicht mehr wegzudenken. Es handelt sich um eine objektorientierte, sehr leistungsf\u00e4hige","og_url":"https:\/\/datascientest.com\/de\/dataframe","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-11-22T17:07:28+00:00","article_modified_time":"2023-11-22T17:07:30+00:00","og_image":[{"width":768,"height":422,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/09\/DATAFRAME_Plan-de-travail-1.webp","type":"image\/webp"}],"author":"Adriano R","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Adriano R","Gesch\u00e4tzte Lesezeit":"8 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/dataframe#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/dataframe"},"author":{"name":"Adriano R","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378"},"headline":"Was ist ein Data Frame?","datePublished":"2023-11-22T17:07:28+00:00","dateModified":"2023-11-22T17:07:30+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/dataframe"},"wordCount":1525,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/dataframe#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/dataframe","url":"https:\/\/datascientest.com\/de\/dataframe","name":"Was ist ein Data Frame?","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-11-22T17:07:28+00:00","dateModified":"2023-11-22T17:07:30+00:00","description":"Ein Data Frame ist eine Reihe von Pandas Series, die durch einen Wert indiziert sind. In diesem Artikel werden wir Dir DataFrames vorstellen!","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/dataframe"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378","name":"Adriano R","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","caption":"Adriano R"},"sameAs":["user"],"url":"https:\/\/datascientest.com\/de\/author\/adriano-r"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/163395"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=163395"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/163395\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/163397"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=163395"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=163395"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=163395"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}