Daten laden und aufbereiten mit pandas

Worum es geht: pandas ist für Daten das, was eine Tabellenkalkulation für Zahlen ist – nur wiederholbar, nachvollziehbar und auch bei einer Million Zeilen schnell. Fünf Befehle decken den größten Teil der täglichen Arbeit ab.

1. Der DataFrame 🧮

Ein DataFrame ist eine Tabelle: Zeilen sind Datensätze, Spalten sind Merkmale, jede Spalte hat einen Typ. Wer mit Excel gearbeitet hat, kennt das Bild bereits – der Unterschied ist, dass jeder Schritt als Code festgehalten wird und morgen wieder genauso läuft.

2. Im Editor üben

Beim ersten Ausführen lädt pandas einmalig nach, das dauert einige Sekunden:

Code-Labor: Daten laden und aufbereiten

Schritt 1 von 5

Erst einmal hinsehen

Der wichtigste Handgriff überhaupt: nachsehen, was angekommen ist. Geben Sie die Form der Tabelle und die ersten drei Zeilen aus.

uebung.pyStrg/⌘ + Enter ausführen · Esc verlässt den Editor

import pandas as pd

daten = pd.DataFrame({
    "kunde": ["Weber", "Bau Nord", "Hofmann", "Weber", "Hofmann", "Bau Nord"],
    "monat": ["Jan", "Jan", "Feb", "Feb", "Mrz", "Mrz"],
    "flaeche": [500, 1200, 300, 800, 450, 900],
    "status": ["neu", "beantwortet", "neu", "neu", "beantwortet", "neu"],
})

# Form und die ersten drei Zeilen ausgeben

Ausgabe

Noch nichts ausgeführt.

3. Die Befehle, die Sie täglich brauchen

Befehl	Wofür
`pd.read_csv("datei.csv")`	Datei einlesen – bei deutschen Exporten oft mit `sep=";"`
`.head()` / `.shape` / `.info()`	Erster Blick: Zeilen, Spalten, Typen
`.describe()`	Mittelwert, Median, Minimum, Maximum je Spalte
`daten[bedingung]`	Filtern
`.groupby("spalte").sum()`	Gruppieren und zusammenfassen
`.merge(andere, on="id")`	Zwei Tabellen verbinden – wie JOIN in SQL
`.to_csv("raus.csv", index=False)`	Ergebnis schreiben

4. Die beiden Fallen beim Einlesen 🪤

Trennzeichen und Zeichensatz. Deutsche Programme exportieren CSV oft mit Semikolon statt Komma und in Windows-Zeichensatz statt UTF-8. Dann steht alles in einer Spalte oder die Umlaute sind zerschossen. Abhilfe: pd.read_csv("d.csv", sep=";", encoding="latin-1").

Zahlen, die keine sind. Eine Spalte mit 1.234,56 liest pandas als Text ein. Rechnen Sie damit, bekommen Sie entweder einen Fehler oder – schlimmer – aneinandergehängte Zeichenketten. Prüfen Sie nach dem Einlesen immer die Typen mit .info().

Nach jedem Einlesen: .shape, .head() und .info(). Drei Befehle, zehn Sekunden – und Sie sehen sofort, ob Zeilenzahl, Inhalt und Typen stimmen. Die meisten falschen Auswertungen entstehen hier, nicht beim Rechnen.

5. Fehlende Werte 🕳️

Für fehlende Werte gibt es drei Wege, und die Wahl ist eine fachliche Entscheidung. Zeile löschen ist ehrlich, kostet aber Daten – bei wenigen Fällen richtig. Ersetzen durch Mittelwert oder Median hält die Menge, erfindet aber Werte. Stehen lassen geht, wenn das Verfahren damit umgehen kann.

Wichtig ist, dass Sie die Entscheidung bewusst treffen und im Code festhalten. Ein kommentarlos gefüllter Wert sieht später aus wie eine Messung.

6. Was Sie mitnehmen sollten

Ein DataFrame ist eine Tabelle mit typisierten Spalten.
Operationen gelten für ganze Spalten, nicht Zeile für Zeile.
groupby ersetzt die Pivot-Tabelle – wiederholbar und dokumentiert.
Nach dem Einlesen immer hinsehen, bevor gerechnet wird.