Das Lange und das Breite

Als Teil eines Bewerbungsgesprächs für eine Data-Scientist-Stelle sollst du einige technische Fragen beantworten. Eine Aufgabe besteht darin, die Unterschiede zwischen langen und breiten Datenformaten zu zeigen.

In dieser Übung ordnest du verschiedene Eigenschaften zu und entscheidest, ob sie einen DataFrame im breiten Format oder einen DataFrame im langen Format beschreiben.

Diese Übung ist Teil des Kurses

<Kurs>Daten umformen mit pandas</Kurs>

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Diese Übung ist Teil des Kurses

<Kurs>Daten umformen mit pandas</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Lass uns zunächst die Konzepte von Wide- und Long-Format sowie die Vorteile beider verstehen. Anschließend lernst du, Daten vom Long- ins Wide-Format zu pivotieren und aus einem großen DataFrame zusammenfassende Statistiken zu gewinnen.

Exercise 1: Breite und lange Datenformate Exercise 2: Das Lange und das Breite

Aktuelle Übung

Exercise 3: Spieler drehen Exercise 4: Umformen mit der pivot-Methode Exercise 5: Die Pivot-Methode ausspielen Exercise 6: Offensiv- oder Defensivspieler?Exercise 7: Wiederhole den letzten Schritt!Exercise 8: Pivot-Tabellen Exercise 9: Die Züge überprüfen Exercise 10: Das große Spiel erkunden Exercise 11: Die größten und die schwersten

Beherrsche die Technik, DataFrames vom Wide- ins Long-Format umzuformen. In diesem Kapitel lernst du die Methode melt und die Funktion wide_to_long kennen und erfährst anschließend, wie du mit String-Spalten umgehst, indem du sie zusammenfügst oder aufteilst.

Exercise 1: Umformen mit melt Exercise 2: Gothic times Exercise 3: Bewertung ist nicht alles Exercise 4: Wie passt Frankenstein zu Dorian Gray?Exercise 5: Funktion wide_to_long Exercise 6: Das Goldene Zeitalter Exercise 7: Den Code entschlüsseln Exercise 8: Zeit zum Lesen, Katniss!Exercise 9: Mit String-Spalten arbeiten Exercise 10: Hast du Dystopie gesagt?Exercise 11: Wie ist deine Bewertung, Harry?Exercise 12: Elementar, lieber Watson!

In diesem Kapitel hebst du deine Fähigkeiten zur Datenmanipulation mit mehrstufigem Indexing auf ein neues Level. Du lernst, DataFrames umzuformen, indem du Ebenen der Zeilenindizes auf die Spaltenachse verschiebst – oder umgekehrt. Außerdem erwirbst du die Skills, die du brauchst, um fehlende Werte zu handhaben, die beim Stacken und Unstacken entstehen können.

Exercise 1: DataFrames stapeln Exercise 2: Stack the calls!Exercise 3: Telefonverzeichnis-Index Exercise 4: Schreib mir!Exercise 5: DataFrames unstacken Exercise 6: Internationaler Anrufer Exercise 7: Ruf ein andermal an Exercise 8: Deine Voicemail organisieren Exercise 9: Mit mehreren Ebenen arbeiten Exercise 10: Tausche deine SIM-Karte Exercise 11: Zu viele Anrufe Exercise 12: Mit fehlenden Daten umgehen Exercise 13: Ein verpasster Anruf Exercise 14: Lass den Stack nicht fallen

Zum Abschluss lernst du, den Umformungsprozess mit Gruppierungen zu kombinieren, um schnelle Datenmanipulationen durchzuführen. Außerdem entdeckst du, wie du listenartige Spalten transformierst und komplexe verschachtelte Daten wie verschachtelte JSON-Dateien verarbeitest.

Exercise 1: Daten umformen und kombinieren Exercise 2: Weniger Fast Food, bitte!Exercise 3: Es geht nur nach oben Exercise 4: Eine Gruppenanalyse Exercise 5: Eine listenähnliche Spalte transformieren Exercise 6: Alles zusammenführen Exercise 7: Grenzen explodieren lassen Exercise 8: Der gute alte Split Exercise 9: Verschachtelte Daten in ein DataFrame einlesen Exercise 10: Verschachtelte Filme Exercise 11: Ein komplexer Film Exercise 12: Mit verschachtelten Daten-Spalten umgehen Exercise 13: Verschachtelung bei Vögeln auflösen Exercise 14: Den Vogel nicht verwerfen Exercise 15: Der letzte Reshape