# Geavanceerd Pandas (Data Science & ML)

> GroupBy, merge, concat, pivot tables, time series, apply/transform, MultiIndex, prestaties

- 24 gespreksvragen
- Mid-Level
- [Gespreksvragen: Data Science & ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen.md)

## 1. Welke methode maakt het mogelijk om meerdere verschillende aggregatiefuncties toe te passen op een enkele kolom met groupby?

**Antwoord**

De agg()- (of aggregate())-methode maakt het mogelijk meerdere aggregatiefuncties toe te passen op dezelfde kolommen. Je kunt een lijst met functies zoals ['sum', 'mean', 'count'] of een dictionary doorgeven om verschillende functies per kolom op te geven. Deze flexibiliteit is essentieel voor het maken van uitgebreide statistische rapporten in één enkele bewerking.

## 2. Hoe expliciet de resulterende kolommen benoemen tijdens een groupby-aggregatie met de named aggregation-syntaxis?

**Antwoord**

De named aggregation-syntaxis gebruikt agg() met benoemde tuples via keyword arguments. Bijvoorbeeld: df.groupby('category').agg(total_sales=('sales', 'sum'), avg_price=('price', 'mean')). Deze aanpak produceert expliciete en leesbare kolomnamen en vermijdt MultiIndex in kolommen die latere verwerking kunnen bemoeilijken.

## 3. Wat is het belangrijkste verschil tussen transform() en apply() in een groupby-context?

**Antwoord**

transform() retourneert een resultaat van dezelfde grootte als de invoer, uitgelijnd op de originele index, ideaal voor het toevoegen van groepsstatistieken aan elke rij (bijv. groepsgemiddelde). apply() is flexibeler en kan een resultaat van verschillende grootte retourneren, maar is over het algemeen langzamer. Gebruik transform() voor bewerkingen zoals groepsnormalisatie of z-score berekening.

## Nog 21 vragen beschikbaar

- Hoe groepen in een groupby filteren om alleen die te behouden die aan een voorwaarde voldoen (bijv. groepen met meer dan 10 elementen)?
- Wat is het verschil tussen pd.merge() met how='left' en how='inner'?

Meld je gratis aan: https://sharpskill.dev/nl/login

## Andere Data Science & ML-sollicitatieonderwerpen

- [Python-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-basics.md): 25 vragen, Junior
- [Python Objectgeoriënteerd Programmeren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-oop.md): 20 vragen, Junior
- [Python-datastructuren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-data-structures.md): 20 vragen, Junior
- [Git-Fundamenten](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/git-fundamentals.md): 18 vragen, Junior
- [SQL-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-basics.md): 20 vragen, Junior
- [NumPy-grondbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/numpy-fundamentals.md): 22 vragen, Junior
- [Pandas-basis](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-basics.md): 22 vragen, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/jupyter-colab.md): 16 vragen, Junior
- [SQL Joins & geavanceerde queries](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-joins-advanced.md): 22 vragen, Mid-Level
- [Visualisatie met Matplotlib & Seaborn](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/matplotlib-seaborn.md): 20 vragen, Mid-Level
- [Interactieve visualisaties met Plotly](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/plotly-interactive.md): 18 vragen, Mid-Level
- [Beschrijvende statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-descriptive.md): 20 vragen, Mid-Level
- [Inferentiële statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-inferential.md): 24 vragen, Mid-Level
- [Web Scraping](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/web-scraping.md): 18 vragen, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/bigquery-cloud.md): 18 vragen, Mid-Level
- [Feature Engineering](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/feature-engineering.md): 22 vragen, Mid-Level
- [Supervised ML: Regressie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-regression.md): 24 vragen, Mid-Level
- [Supervised ML: Classificatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-classification.md): 24 vragen, Mid-Level
- [Beslissingsbomen & Ensembles](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-trees-ensembles.md): 24 vragen, Mid-Level
- [Ongesuperviseerd ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-unsupervised.md): 22 vragen, Mid-Level
- [ML Pipelines & Validatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-pipelines-validation.md): 22 vragen, Mid-Level
- [Tijdreeksen & Voorspelling](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/time-series-forecasting.md): 22 vragen, Mid-Level
- [Fundamenten van Deep Learning](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/deep-learning-fundamentals.md): 24 vragen, Senior
- [TensorFlow & Keras](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/tensorflow-keras.md): 22 vragen, Senior
- [CNN en beeldclassificatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/cnn-image-classification.md): 24 vragen, Senior
- [RNN & Reeksen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/rnn-sequences.md): 22 vragen, Senior
- [Transformers & Attention](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/transformers-attention.md): 24 vragen, Senior
- [NLP & Hugging Face](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/nlp-huggingface.md): 24 vragen, Senior
- [GenAI & LangChain](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/genai-langchain.md): 24 vragen, Senior
- [MLOps en Deployment](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/mlops-deployment.md): 24 vragen, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-advanced