# Python Analytics - Erweiterte Analyse und ML (Data Analytics) > groupby, merge, pivot_table, apply/map, Plotly, Scikit-Learn (Regression, Klassifikation, Clustering), train/test split, Metriken, Jupyter, Google Colab - 20 Interview-Fragen - Senior - [Interview-Fragen: Data Analytics](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen.md) ## 1. Was ist der Hauptunterschied zwischen den Methoden apply() und map() bei einer Pandas Series? **Antwort** Die Methode map() ist dafür gedacht, jeden Wert einer Series über ein Dictionary oder eine Funktion auf einen neuen Wert abzubilden, und funktioniert nur bei Series. Im Gegensatz dazu ist apply() flexibler: Sie kann eine Funktion elementweise auf eine Series oder zeilen-/spaltenweise auf ein DataFrame anwenden. Für einfache Wert-zu-Wert-Transformationen auf einer Series ist map() in der Regel schneller und lesbarer. ## 2. Welche Pandas-Methode sollte verwendet werden, um Daten mit mehreren Aggregationsfunktionen auf verschiedenen Spalten gleichzeitig zu aggregieren? **Antwort** Die Methode agg() (oder aggregate()) ermöglicht es, verschiedene Aggregationsfunktionen auf verschiedene Spalten in einer einzigen Operation anzuwenden. Sie akzeptiert ein Dictionary, in dem die Schlüssel Spaltennamen und die Werte die anzuwendenden Funktionen sind. Dieser Ansatz ist effizienter und lesbarer als das Verketten mehrerer groupby-Aufrufe mit einzelnen Funktionen. ## 3. Was ist der Unterschied zwischen merge() und join() in Pandas? **Antwort** merge() ist eine flexiblere Funktion, die zwei DataFrames anhand bestimmter Spalten mit den Parametern on, left_on/right_on oder Indizes verbindet. join() ist eine DataFrame-Methode, die standardmäßig über Indizes verbindet und für einfache indexbasierte Joins prägnanter ist. Für komplexe Joins über Nicht-Index-Spalten ist merge() vorzuziehen, da es mehr Kontrolle über die Join-Spalten bietet. ## 17 weitere Fragen verfügbar - Wie erstellt man eine Pivot-Tabelle mit pivot_table() unter Angabe mehrerer Aggregationsfunktionen? - Was ist der Zweck von transform() in einem groupby()-Kontext im Vergleich zu apply()? Kostenlos registrieren: https://sharpskill.dev/de/login ## Weitere Data Analytics-Interviewthemen - [Google Sheets - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-basics.md): 20 Fragen, Junior - [Google Sheets - Erweiterte Formeln](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-advanced.md): 20 Fragen, Junior - [SQL - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-basics.md): 25 Fragen, Junior - [SQL - Aggregationen und Gruppierungen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-aggregations.md): 20 Fragen, Junior - [SQL - Joins](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-joins.md): 20 Fragen, Junior - [BigQuery - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-fundamentals.md): 20 Fragen, Junior - [Data Cleaning - Datenbereinigung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-cleaning.md): 20 Fragen, Junior - [KPIs und Business-Metriken](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/kpis-metrics.md): 20 Fragen, Junior - [Deskriptive Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/descriptive-statistics.md): 20 Fragen, Junior - [Zapier und No-Code-Automatisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/zapier-automation.md): 20 Fragen, Junior - [Grundlagen der Datenvisualisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-viz-principles.md): 20 Fragen, Junior - [Python & Pandas - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-pandas-basics.md): 20 Fragen, Junior - [Google Sheets - Automatisierte Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-dashboards.md): 20 Fragen, Mid-Level - [SQL - Unterabfragen und CTEs](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-subqueries-ctes.md): 20 Fragen, Mid-Level - [SQL - Window Functions](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-window-functions.md): 20 Fragen, Mid-Level - [BigQuery - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-advanced.md): 20 Fragen, Mid-Level - [Data Modeling](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-modeling.md): 20 Fragen, Mid-Level - [Funnel- und Conversion-Analyse](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/funnel-analysis.md): 20 Fragen, Mid-Level - [Kohorten- und Retention-Analyse](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/cohort-retention.md): 20 Fragen, Mid-Level - [Google Tag Manager und Tracking](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/gtm-tracking.md): 20 Fragen, Mid-Level - [APIs und Webhooks](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/apis-webhooks.md): 20 Fragen, Mid-Level - [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-fundamentals.md): 20 Fragen, Mid-Level - [AB-Testing und angewandte Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/ab-testing.md): 20 Fragen, Mid-Level - [Looker Studio (Google Data Studio)](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/looker-studio.md): 20 Fragen, Mid-Level - [Power BI - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-fundamentals.md): 20 Fragen, Mid-Level - [SQL - Erweiterte analytische Abfragen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-advanced-analytics.md): 20 Fragen, Senior - [dbt - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-advanced.md): 20 Fragen, Senior - [Power BI - DAX und fortgeschrittene Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-dax.md): 20 Fragen, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-analytics-advanced