# Python & Pandas - Podstawy (Data Analytics)

> DataFrame, Series, indeksowanie (loc, iloc), filtrowanie boolowskie, typy danych, read_csv, describe, info, head/tail, shape, columns

- 20 pytań z rozmów
- Junior
- [Pytania z rozmów: Data Analytics](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne.md)

## 1. Jaka jest główna struktura danych Pandas do przechowywania danych tabelarycznych?

**Odpowiedź**

DataFrame to podstawowa struktura danych Pandas. Reprezentuje dwuwymiarową tabelę z wierszami i kolumnami, podobną do arkusza kalkulacyjnego lub tabeli SQL. Każda kolumna to Series, a każdy wiersz ma indeks. DataFrame umożliwia efektywną manipulację ustrukturyzowanymi danymi dzięki licznym wbudowanym metodom.

## 2. Czym jest Series w Pandas?

**Odpowiedź**

Series to jednowymiarowa tablica z indeksem. Reprezentuje pojedynczą kolumnę danych w DataFrame. Każdy element ma etykietę (indeks) umożliwiającą szybki dostęp po nazwie lub pozycji. Series może przechowywać tylko jeden typ danych (int, float, string itd.), co odróżnia ją od zwykłej listy Python.

## 3. Która funkcja Pandas odczytuje plik CSV i ładuje go do DataFrame?

**Odpowiedź**

Funkcja pd.read_csv() odczytuje plik CSV i zwraca DataFrame. Akceptuje wiele parametrów: sep dla separatora, header dla wiersza nagłówka, encoding dla kodowania pliku, dtype do wymuszania typów kolumn oraz na_values do definiowania brakujących wartości. To najczęstsza metoda importowania danych do Pandas.

## Jeszcze 17 dostępnych pytań

- Co zwraca atrybut df.shape na DataFrame?
- Która metoda wyświetla pierwsze 5 wierszy DataFrame?

Zarejestruj się za darmo: https://sharpskill.dev/pl/login

## Inne tematy rekrutacyjne Data Analytics

- [Google Sheets - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-basics.md): 20 pytań, Junior
- [Google Sheets - Zaawansowane formuły](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-advanced.md): 20 pytań, Junior
- [SQL - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-basics.md): 25 pytań, Junior
- [SQL - Agregacje i grupowanie](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-aggregations.md): 20 pytań, Junior
- [SQL - Złączenia](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-joins.md): 20 pytań, Junior
- [BigQuery - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-fundamentals.md): 20 pytań, Junior
- [Data Cleaning - Czyszczenie danych](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-cleaning.md): 20 pytań, Junior
- [KPI i metryki biznesowe](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/kpis-metrics.md): 20 pytań, Junior
- [Statystyka opisowa](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/descriptive-statistics.md): 20 pytań, Junior
- [Zapier i automatyzacja No-Code](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/zapier-automation.md): 20 pytań, Junior
- [Zasady wizualizacji danych](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-viz-principles.md): 20 pytań, Junior
- [Google Sheets - Automatyczne dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-dashboards.md): 20 pytań, Mid-Level
- [SQL - Podzapytania i CTE](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-subqueries-ctes.md): 20 pytań, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-window-functions.md): 20 pytań, Mid-Level
- [BigQuery - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-advanced.md): 20 pytań, Mid-Level
- [Data Modeling](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-modeling.md): 20 pytań, Mid-Level
- [Analiza funneli i konwersji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/funnel-analysis.md): 20 pytań, Mid-Level
- [Analiza kohort i retencji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/cohort-retention.md): 20 pytań, Mid-Level
- [Google Tag Manager i tracking](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/gtm-tracking.md): 20 pytań, Mid-Level
- [API i webhooki](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/apis-webhooks.md): 20 pytań, Mid-Level
- [dbt - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-fundamentals.md): 20 pytań, Mid-Level
- [AB Testing i statystyka stosowana](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/ab-testing.md): 20 pytań, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/looker-studio.md): 20 pytań, Mid-Level
- [Power BI - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-fundamentals.md): 20 pytań, Mid-Level
- [SQL - Zaawansowane zapytania analityczne](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-advanced-analytics.md): 20 pytań, Senior
- [dbt - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-advanced.md): 20 pytań, Senior
- [Power BI - DAX i zaawansowane dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-dax.md): 20 pytań, Senior
- [Python Analytics - Zaawansowana analiza i ML](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-analytics-advanced.md): 20 pytań, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-pandas-basics