Datenanalyse mit Python und Pandas
Daten systematisch analysieren und mit Pandas effizient auswerten
01 Intro
Python und Pandas gehören zu den wichtigsten Werkzeugen für die praktische
Datenanalyse. Daten lassen sich aus unterschiedlichen Quellen übernehmen,
strukturieren, filtern, transformieren, zusammenführen und mit
vergleichsweise wenig Code auch bei größeren Datenbeständen systematisch
untersuchen.
Der Kurs vermittelt den praktischen Umgang mit Pandas entlang eines
vollständigen Analyseprozesses. Im Mittelpunkt stehen DataFrames, Auswahl
und Transformation von Daten, Aggregationen, Zeitreihen und die Verbindung
unterschiedlicher Datenbestände. Die Teilnehmer arbeiten durchgehend mit
realistischen Datensätzen und entwickeln reproduzierbare Analysen in Python.
Kurs-ID
DATA-001
Dauer
3 Tage
Format
Präsenz · Live Online · Inhouse
Vorkenntnisse
Grundkenntnisse in Python; Pandas-Kenntnisse sind nicht erforderlich
02 Trainingsprogramm
Inhalte
Python als Werkzeug für die Datenanalyse
- typischer Workflow einer Datenanalyse
- Python-Ökosystem für Data Analytics
- Jupyter Notebook und Entwicklungsumgebungen
- NumPy, Pandas und ergänzende Bibliotheken
- reproduzierbare Analyseabläufe
Pandas und das DataFrame-Modell
- Series und DataFrame
- Index und Spalten
- Datentypen
- DataFrames erzeugen
- grundlegende Operationen
- Datenbestände inspizieren
Daten importieren und exportieren
- CSV und Textdateien
- Excel
- JSON
- SQL-Datenquellen
- Importparameter
- Export von Analyseergebnissen
Daten auswählen und filtern
- Spalten und Zeilen auswählen
- loc und iloc
- boolesche Filter
- kombinierte Bedingungen
- Sortierung
- Abfragen mit query
Daten transformieren
- neue Spalten berechnen
- Werte ersetzen
- Mapping
- String-Operationen
- Datentypen konvertieren
- vektorisierte Operationen
Fehlende und problematische Werte
- fehlende Werte erkennen
- NaN, None und NA
- fehlende Werte behandeln
- Dubletten erkennen
- Wertebereiche prüfen
- Plausibilitätskontrollen
Gruppieren und aggregieren
- groupby
- Aggregationsfunktionen
- mehrere Aggregationen
- benannte Aggregationen
- Transformationen innerhalb von Gruppen
- Kreuztabellen
Datenbestände zusammenführen
- merge
- join
- concat
- Join-Typen
- Schlüssel und Indizes
- typische Fehler beim Zusammenführen
Datums- und Zeitdaten
- Datumswerte konvertieren
- Pandas-Datetime-Typen
- Komponenten extrahieren
- Zeitdifferenzen
- Zeitreihen
- rollierende Auswertungen
Statistische Auswertungen mit Pandas
- deskriptive Kennzahlen
- Verteilungen
- Quantile
- Korrelationen
- Häufigkeiten
- Ausreißer erkennen
Effiziente Analysen und reproduzierbare Workflows
- vektorisierte Berechnungen
- apply sinnvoll einsetzen
- typische Performance-Fallen
- Method Chaining
- Analysecode strukturieren
- Analysen reproduzierbar gestalten
Praktisches Analyseprojekt
- Datensatz einlesen und untersuchen
- Datenqualität beurteilen
- Daten transformieren
- Fragestellungen formulieren
- Kennzahlen entwickeln
- Ergebnisse auswerten und dokumentieren
03 Durchführung
Rahmen und Organisation
Dauer
3 Tage
Durchführung
Präsenz oder Live Online, vorzugsweise als Inhouse-Schulung
Schwerpunkt
Inhouse-Schulungen für Unternehmen und Teams
Sprache
Deutsch, englische Fachbegriffe und Dokumentation
Unterlagen
Kursunterlagen, Beispiele und Übungsaufgaben
Technik
Eigener Rechner mit Python, Jupyter und den gängigen Analysebibliotheken
Inhouse-Schulungen
Eigene Datenbestände und typische Fragestellungen können in die Übungen
einbezogen werden.
04 Zielgruppe
Für wen ist der Kurs gedacht?
Entwickler, technische Mitarbeiter, Analysten und Fachanwender, die Daten
mit Python analysieren und Pandas systematisch einsetzen möchten.
Voraussetzungen
Grundkenntnisse in Python, insbesondere Variablen, Kontrollstrukturen,
Funktionen und grundlegende Datenstrukturen.
05 Lernziele
Was Sie nach dem Kurs können
Nach dem Kurs können die Teilnehmer:
- Daten mit Pandas einlesen und strukturieren
- DataFrames sicher auswählen, filtern und transformieren
- Datenbestände aggregieren und miteinander verbinden
- Datums- und Zeitdaten auswerten
- typische Datenqualitätsprobleme erkennen
- statistische Grundauswertungen durchführen
- reproduzierbare Datenanalysen mit Python erstellen
06 FAQ
Häufige Fragen
Ist der Kurs eine Einführung in Python?
Nein. Die für Pandas benötigten Python-Konzepte werden bei Bedarf erläutert, grundlegende Python-Kenntnisse werden jedoch vorausgesetzt.
Was unterscheidet den Kurs von Datenaufbereitung und Data Cleaning?
Dieser Kurs behandelt Pandas als umfassendes Werkzeug für die Datenanalyse. Der Cleaning-Kurs konzentriert sich speziell auf Datenqualität, Bereinigung, Transformation und die systematische Aufbereitung problematischer Datenbestände.
Werden reale Daten verwendet?
Ja. Die Übungen orientieren sich an typischen Datenbeständen und Fragestellungen aus der Praxis.
Werden auch Datenbanken behandelt?
SQL-Daten können als Datenquelle verwendet werden. Datenbankentwicklung und SQL selbst sind jedoch nicht Schwerpunkt des Kurses.