DataFrame-Vorschau anzeigen
Pandas ist als pd importiert. Der vorbereitete df enthält drei Lernende und ihre Punktestände.
df.head()Übe Pandas mit kleinen Datensätzen. Erkunde Series, DataFrames und Statistiken, bevor du CSV-Dateien in einem echten Python-Lab bearbeitest.
Hier starten
Lade eine Aufgabe ins Terminal und drücke die Eingabetaste. Alle Beispiele funktionieren in der Einführungssitzung auf dieser Seite.
Pandas ist als pd importiert. Der vorbereitete df enthält drei Lernende und ihre Punktestände.
df.head()Gib die Anzahl der Zeilen und Spalten zurück.
df.shapePrüfe die Spaltenbezeichnungen vor der Datenauswahl.
df.columnsLies die Spalte score als Series.
df["score"]Berechne den durchschnittlichen Punktestand im Beispieldatensatz.
df["score"].mean()Behalte Lernende mit einem Punktestand von mindestens 80.
df[df["score"] >= 80]Sortiere die Beispielzeilen nach dem Punktestand.
df.sort_values("score")Prüfe Anzahl, Mittelwert, Streuung und Perzentile der Spalte score.
df.describe()Keine lokale Einrichtung
Übe Pandas mit kleinen Datensätzen. Erkunde Series, DataFrames und Statistiken, bevor du CSV-Dateien in einem echten Python-Lab bearbeitest.
Beginne mit den Übungen oben. Für ein Projekt öffnest du das LabEx-Lab und nutzt echte Werkzeuge unter Linux mit schrittweiser Anleitung und direkter Rückmeldung.
Weiterlernen
Vertiefe deine Pandas-Experimente mit einem strukturierten Lernpfad. Wähle ein angeleitetes Lab und übe jedes Konzept online.
Entdecke Series, DataFrames, Auswahloperationen und beschreibende Statistiken. Folge dem Data-Science-Lernpfad und starte ein Python-Lab, um mit Datensätzen und der installierten Pandas-Bibliothek zu arbeiten.
Die Einführungsübungen sind kostenlos. Melde dich für eine vollständige Umgebung an; Dauer und Ressourcen hängen vom Lab und deinem Tarif ab.
Keine lokale Installation nötig. Melde dich an und öffne das Lab in einem modernen Browser. Folge den Anweisungen zur Einrichtung der Software innerhalb der Umgebung.
Diese Vorschau unterstützt nur einige Befehle. Starte nach der Anmeldung das Python-Lab für weitere Befehle, Pakete und Dienste. Software und Berechtigungen hängen vom Lab ab.
Folge dem Data Science-Lernpfad mit angeleiteten Labs und Herausforderungen. Übe regelmäßig, prüfe Befehlsausgaben und bitte Labby um Hilfe.
Dein nächster Schritt
Lerne mit echten Werkzeugen, angeleiteten Labs und Unterstützung von Labby weiter.