Nützliche Series-Methoden

s.describe() erzeugt mit einem einzigen Aufruf eine statistische Zusammenfassung: Anzahl, Mittelwert, Standardabweichung, Minimum, 25. Perzentil (Q1), Median (Q2), 75. Perzentil (Q3) und Maximum. Für String-Series gibt die Methode stattdessen Anzahl, Anzahl eindeutiger Werte, häufigsten Wert und Häufigkeit zurück. Dies ist der schnellste Weg, beim ersten Erkunden eines Datensatzes einen Eindruck von der Verteilung einer Spalte zu erhalten.

s.value_counts() gibt eine neue Series zurück, deren Index die eindeutigen Werte und deren Daten die Anzahl ihres Auftretens enthalten; sortiert wird absteigend nach der Häufigkeit. Übergeben Sie normalize=True, um statt der absoluten Häufigkeiten Anteile zu erhalten. Bei einer kategorialen Spalte ist dies der erste Aufruf, um ihre Verteilung zu verstehen.

s.unique() gibt ein NumPy-Array mit den unterschiedlichen Werten in der Reihenfolge ihres ersten Auftretens zurück (im Gegensatz zu value_counts, das nach Häufigkeit sortiert). s.nunique() gibt die Anzahl der unterschiedlichen Werte als Ganzzahl zurück – die Kardinalität der Spalte. Beide Methoden überspringen NaN standardmäßig. Verwenden Sie nunique(dropna=False), um NaN als eigenständigen Wert mitzuzählen.

s.map() wendet eine Funktion, ein Dictionary oder eine andere Series auf jedes Element an. Wenn Sie ein Dictionary übergeben, wird jeder Wert durch den entsprechenden Dictionary-Wert ersetzt; Werte, die nicht im Dictionary enthalten sind, werden zu NaN. Bei Übergabe einer Funktion wird diese elementweise angewendet. map eignet sich ideal zum Umcodieren kategorialer Labels oder zum Anwenden von Nachschlagetabellen.

s.apply(func) wendet ein Python-aufrufbares Objekt auf jedes Element an und sammelt die Ergebnisse. Anders als map() ist die Methode für komplexere Funktionen ausgelegt, die auch nichtskalare Objekte zurückgeben können. Für einfache elementweise Transformationen sollten Sie map() oder einen vektorisierten Ausdruck bevorzugen; verwenden Sie apply(), wenn die Logik zu komplex für eine direkte Vektorisierung ist.

s.sort_values() gibt die Series zurück, nach Datenwerten aufsteigend sortiert (übergeben Sie ascending=False für eine absteigende Sortierung). s.sort_index() sortiert nach den Indexlabels. Keine der beiden Methoden ändert standardmäßig die ursprüngliche Series. Übergeben Sie inplace=True, um die Series direkt zu ändern (in modernem Pandas-Code, der Operationen verkettet, weniger empfehlenswert).

s.isin(values) gibt eine boolesche Series zurück, die überall dort True ist, wo das Element in der angegebenen Liste oder Menge enthalten ist. Das ist besser lesbar als mehrere Bedingungen mit | und bei großen Mengen deutlich schneller. Die Methode wird häufig verwendet, um Zeilen zu filtern, die zu einer bestimmten Gruppe gehören, oder um Datensätze zu kennzeichnen, die mit einer Suchliste übereinstimmen.

s.between(left, right, inclusive='both') gibt eine boolesche Series zurück, die dort True ist, wo der Wert innerhalb des Bereichs [left, right] liegt. Standardmäßig sind beide Grenzwerte eingeschlossen. Das ist kürzer als (s >= left) & (s <= right) und macht die Absicht klar erkennbar. Die Methode eignet sich zum Filtern numerischer Bereiche, etwa von Altersgruppen oder Preisklassen.

s.head(n) gibt die ersten n Elemente zurück (standardmäßig 5), und s.tail(n) gibt die letzten n zurück. Diese Methoden werden bei der Datenexploration ständig verwendet, um den Anfang und das Ende einer langen Series zu prüfen, ohne Tausende von Zeilen auszugeben. Sie geben eine neue Series (einen Ausschnitt) zurück und verändern daher das Original nicht.

s.rename('new_name') gibt eine neue Series mit einem anderen name-Attribut zurück. Um die Indexbezeichnungen umzubenennen, übergeben Sie ein Dictionary oder eine Funktion: s.rename(index={'old': 'new'}). Das Umbenennen ist wichtig, bevor Sie Series zu einem DataFrame zusammenführen, da der name der Series zur Spaltenüberschrift wird. Benennen Sie Werte immer mit rename um, anstatt rohe Werte neu zuzuweisen.

s.idxmin() gibt die Indexbezeichnung des kleinsten Werts zurück, und s.idxmax() gibt die Bezeichnung des größten Werts zurück. Das ist nützlicher als argmin/argmax, wenn der Index aussagekräftige Bezeichnungen wie Datumsangaben oder Produktnamen enthält: Sie erhalten die tatsächliche Kennung und nicht nur eine Positionsnummer.

In dieser Lektion haben Sie gelernt: describe() liefert mit einem Aufruf eine statistische Zusammenfassung, value_counts() erstellt eine Häufigkeitstabelle der eindeutigen Werte und map() übersetzt Werte mithilfe eines Dictionarys, während apply() eine benutzerdefinierte Funktion auf jedes Element anwendet. Als Nächstes beginnen wir mit DataFrames zu arbeiten – dem zweidimensionalen Arbeitspferd der Pandas-Datenanalyse.