In diesem Kurs lernen Teilnehmende, wie sie mit der leistungsstarken Bibliothek **Pandas** in Python Daten effizient analysieren, transformieren und visualisieren. Der Kurs richtet sich an alle, die mit strukturierten Daten arbeiten und praxisnah den Umgang mit Datensätzen, Tabellen und DataFrames erlernen möchten. Neben den Grundlagen vermittelt der Kurs auch fortgeschrittene Techniken für die professionelle Datenverarbeitung mit Python.
Zielgruppe
- Data Analysts, Entwickler:innen, IT-Fachkräfte und technisch interessierte Quereinsteiger:innen.
- Ideal für alle, die mit Python datengetriebene Projekte oder Analysen durchführen möchten.
Kursniveau
- Von Anfänger bis Fortgeschrittene.
Vorkenntnisse & empfohlene Vorkurse
- Grundkenntnisse in Python empfohlen.
---
- *Modul 1: Einführung in Pandas und Datenstrukturen**
Teilnehmende lernen, wie Pandas aufgebaut ist und wie man Daten in DataFrames lädt, anzeigt und analysiert. Es werden grundlegende Operationen, Filter und Transformationen vorgestellt.
Praxisbeispiel: Analyse von Kundendaten mit Filtern und Aggregationen.
- Einführung in Pandas und NumPy
- Arbeiten mit Series und DataFrames
- Datenimport aus CSV, Excel und SQL
- Indizes, Auswahl und Filterung von Daten
- Überblick über Datentypen und Metadaten
---
- *Modul 2: Datenbereinigung, Transformation und Visualisierung**
In diesem Modul lernen die Teilnehmenden, Daten aufzubereiten, zu transformieren und zu visualisieren. Sie wenden Methoden zur Datenbereinigung, Normalisierung und Aggregation an.
Praxisbeispiel: Bereinigung und Visualisierung von Finanzdaten mit Matplotlib und Pandas.
- Fehlende Werte erkennen und behandeln
- Spaltenoperationen und Funktionen
- Gruppierungen und Aggregationen
- Zusammenführen und Pivotieren von Daten
- Einführung in Datenvisualisierung mit Matplotlib
---
- *Modul 3: Fortgeschrittene Datenanalyse und Automatisierung**
Hier geht es um komplexe Datenoperationen, Performance-Tuning und die Integration mit anderen Python-Tools. Die Teilnehmenden lernen, wie sie Pandas in skalierbare Workflows und Machine-Learning-Prozesse einbinden.
Praxisbeispiel: Entwicklung eines automatisierten Analyse-Skripts zur Erkennung von Datenmustern.
- Zeitreihenanalyse und Resampling
- Arbeiten mit großen Datensätzen
- Performanceoptimierung mit NumPy und Dask
- Export und Berichterstellung
- Automatisierung von Analysen mit Python
---
- *Ähnliche Kurse**
- Python for Data Science
- Advanced Programming Techniques with Python
- Microsoft DP-900 - Azure Data Fundamentals
Der Kurs ist AZAV-zertifiziert und förderbar über Bildungsgutschein & Qualifizierungschancengesetz (QCG). Teilnahme für Privatpersonen und Unternehmen möglich. Durchführung über New Horizons (München, Stuttgart, Nürnberg) sowie learn2program.de.
Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.