Python Pandas - Datenanalyse, Visualisierung, Verarbeitung

Pandas ist ein Python-Paket für die Bearbeitung und Analyse von Datentabellen.
Im Pandas-Kurs geht es um das Laden, Säubern, Verändern, Zusammenfügen, Verarbeiten und Visualisieren von Datentabellen.

Dieser Kurs setzt Python-Grundkenntnisse voraus. Der Kurs ist zum Beispiel interessant
für Datenanalysten oder für Excel-Anwender,
die sich wiederholende Prozesse automatisieren oder komplexere Daten analysieren wollen. Der Übungsanteil beträgt 60%-70%. Ein Trainer kommt auf 5 bis 10 Kursteilnehmer und hilft ihnen individuell.

Nach dem Kurs werden die Teilnehmer sehr gründliche Pandas-Kenntnisse und viel praktische Übung mit der Programmierung mit Pandas
besitzen. Sie werden alle grundlegenden Pandas-Konstrukte kennen und einen Gesamtüberblick haben, was mit Pandas möglich ist. Die Kursthemen im Detail:

1) Numpy
+ Numpy ndarray erstellen.
+ Auf Array-Elemente zugreifen.
+ Array - Slicing.
+ Elementweise Operationen.
+ Attribute von ndarray.

2) Das Series Objekt
+ Series Objekt erzeugen. Verschiedene Methoden.
+ Series Objekt verhält sich wie ein Numpy-ndarray Objekt
in vielerlei Hinsicht.
+ Prüfen, ob index-key vorhanden ist.
+ Series Object verhält sich ähnlich zu Dict in vielerlei Hinsicht.

3) Das DataFrame Objekt
+ Erzeugen eines DataFrame Objektes. Die hauptsächlichen Methoden hierfür.
+ Spalten hinzufügen / entfernen.
+ Row-Selektierung / Slicing.
+ df.loc[], df.iloc[], df.at[], df.iat[] Selektier-/Slice-Methoden.
+ head(), tail(), transpose() Methoden.
+ DataFrame-Attribute
+ Column-wise, row-wise DataFrame-Methoden
+ DataFrame verhält sich wie zweidimensionales Numpy-ndarray
in vielerlei Hinsicht.

4) Daten säubern und ersetzen in einem DataFrame
+ Wie man mit fehlenden Werten im DataFrame umgeht.
+ Die replace() Methode
+ DataFrames aus csv- oder Excel-Dateien lesen oder solche schreiben.
+ String-Operationen auf String-Series
+ Über Spalten, Zeilen, Zellen eines DataFrames iterieren.
+ Einzelne Spaltennamen, Zeilennamen umbenennen.
+ Ein DataFrame nach selbstdefinierter Art sortieren.
+ Kovarianzen / Korrelationen paarweiser Spalten berechnen.

5) SQL-ähnliche Operationen auf DataFrames
+ Das Split-Calculate-Combine Prinzip
+ Datensätze zu Series / DataFrame hinzufügen.
+ DataFrames mit SQL-Logik zusammenfügen und verarbeiten.

6) Datenvisualisierung
+ Die Plot Methode von DataFrame.
+ Das seaborn Plotting-Paket. Grundaufbau von Matplotlib.

Zu jedem der obigen Kapitel gibt es eine oder mehrere Übungseinheiten.

Auf Wunsch kann dieser Kurs auch mit anderen Kursen kombiniert oder gekürzt gehalten werden mit Dauer zwischen 2 und 5 Tagen. Beliebt sind Kurskombinationen mit unseren Kursen über maschhinelles Lernen mit Scikit-Learn oder mit tiefen neuronalen Netzen anhand von Keras/TensorFlow.

Wenn Sie Interesse an diesem Kurs haben, schicken Sie uns eine Nachricht, da wir die Kurse dynamisch je nach Nachfrage planen. Inhouse Schulungen in
Deutschland, Österreich, Schweiz bieten wir Ihnen gerne an. Online-Kurse sind möglich, oder eben bei uns in Esslingen (bei Stuttgart).

Die Preise unserer Kurse sind sehr kompetitiv. Die meisten Mitbewerber haben deutlich höhere Preise.
Unterrichtsmaterialien und ausgearbeitete Musterlösungen zu allen Übungen erhalten die
Kursteilnehmer natürlich auch. Die Trainer haben jahrelange praktische Erfahrung in den Themen der Kurse. Wir legen besonders viel Wert auf individuelle Betreuung der Teilnehmer bei den Programmierübungsaufgaben. Die Kursinhalte passen wir gerne an Ihre Bedürfnisse an.