# Python & Pandas - Grundlagen (Data Analytics)

> DataFrames, Series, Indexierung (loc, iloc), boolesche Filterung, Datentypen, read_csv, describe, info, head/tail, shape, columns

- 20 Interview-Fragen
- Junior
- [Interview-Fragen: Data Analytics](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen.md)

## 1. Was ist die Hauptdatenstruktur von Pandas zum Speichern tabellarischer Daten?

**Antwort**

Das DataFrame ist die zentrale Datenstruktur von Pandas. Es stellt eine zweidimensionale Tabelle mit Zeilen und Spalten dar, ähnlich einem Tabellenkalkulationsblatt oder einer SQL-Tabelle. Jede Spalte ist eine Series, und jede Zeile hat einen Index. Das DataFrame ermöglicht die effiziente Manipulation strukturierter Daten durch seine zahlreichen integrierten Methoden.

## 2. Was ist eine Series in Pandas?

**Antwort**

Eine Series ist ein eindimensionales Array mit einem Index. Es repräsentiert eine einzelne Datenspalte in einem DataFrame. Jedes Element hat ein Label (Index), das einen schnellen Zugriff per Name oder Position ermöglicht. Eine Series kann nur einen Datentyp (int, float, string usw.) enthalten, was sie von einer einfachen Python-Liste unterscheidet.

## 3. Welche Pandas-Funktion liest eine CSV-Datei und lädt sie in einen DataFrame?

**Antwort**

Die Funktion pd.read_csv() liest eine CSV-Datei und gibt einen DataFrame zurück. Sie akzeptiert viele Parameter: sep für den Trenner, header für die Kopfzeile, encoding für die Dateikodierung, dtype, um Spaltentypen zu erzwingen, und na_values, um fehlende Werte zu definieren. Es ist die häufigste Methode, um Daten in Pandas zu importieren.

## 17 weitere Fragen verfügbar

- Was gibt das Attribut df.shape bei einem DataFrame zurück?
- Welche Methode zeigt die ersten 5 Zeilen eines DataFrame an?

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
- [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
- [Python Analytics - Erweiterte Analyse und ML](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-analytics-advanced.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-pandas-basics