Python Data Wrangling + MS Teams

Data Wrangling (auch Data Munging) ist die Disziplin, rohe Daten in analysierbare Form zu transformieren — laut Studien verbringen Data Scientists 60-80% ihrer Zeit damit. Dieser Kurs vermittelt Python-Skills für effektives Data Wrangling. Python für Daten (5 Wochen): 1. Python-Foundations für Data — Pandas-fokussierte Python-Inhalte (Sprache, Datentypen, List/Dict/Set Comprehensions, Generators, Functions, OOP-Basics für Custom Classes). Jupyter-Notebooks als Standard-Tool, JupyterLab oder VS Code mit Jupyter-Extension. uv als modernes Package-Management. 2. NumPy (1 Woche) — n-dimensionale Arrays als Grundlage für Pandas, Broadcasting für vektorisierte Operations (10-100x schneller als Python-Loops), Array-Operations (Slicing, Indexing mit Boolean Masks, Fancy Indexing), Linear Algebra mit numpy.linalg, Random Number Generation mit numpy.random Generator (modern API since NumPy 1.17). 3. Pandas Foundations (1 Woche) — Series und DataFrames als zentrale Strukturen, Reading/Writing Files (read_csv mit allen Optionen wie chunksize für große Files, read_excel, read_sql, read_json, read_parquet als modern columnar Format, read_html für Tables on Webpages). Index-Manipulation (set_index, reset_index, MultiIndex für hierarchische Indizes). Selecting Data (.loc Label-based, .iloc Position-based, .at und .iat für skalare Werte, Boolean Indexing mit complex Conditions). 4. Data Cleaning (2 Wochen) — Missing Data Handling (isna/isnull, dropna mit Threshold, fillna mit fixed value oder ffill/bfill/interpolate für Time Series, drop für komplette Spalten/Zeilen), Duplicates (duplicated, drop_duplicates), Data Types Conversion (astype, to_datetime, to_numeric mit errors=coerce für Robustness, Categorical für Memory-Effizienz). String Cleaning (.str-Accessor mit str.strip/upper/lower/replace/extract mit Regex, str.contains für Filter). Outlier Detection (Z-Score, IQR Interquartile Range, Isolation Forest für ML-basiert) und Treatment (Removal vs. Winsorization vs. Imputation). 5. Data Transformation (2 Wochen) — GroupBy mit Aggregations (sum, mean, count, std, custom Funktionen mit agg/apply/transform), Pivot Tables mit pd.pivot_table und df.pivot, Melt für Long-to-Wide-Reverse, Stack/Unstack für MultiIndex-Manipulation. Merging und Joining (merge mit how inner/outer/left/right, on und left_on/right_on, concat für Vertical/Horizontal Stacking, join für Index-based). Apply für Custom-Transformationen pro Row/Column. 6. Time Series (1 Woche) — DatetimeIndex, Resampling mit resample (Downsampling mean/sum/last, Upsampling mit Interpolation), Rolling Windows (rolling für Moving Averages, expanding für cumulative), Lag-Features mit shift, Time-Zone-Handling. 7. Visualisierung — Matplotlib als Foundation (Figure/Axes-Objektmodell), Seaborn als High-Level-Wrapper (pairplot, heatmap, boxplot, violinplot für Statistical Plots), Plotly für interaktive Charts (Hover, Zoom, Export). 8. Workflow-Optimierung — Profiling mit pandas-profiling oder ydata-profiling für Quick Data Exploration, Polars als High-Performance-Alternative zu Pandas (Rust-basiert, mehrfach schneller, Lazy Evaluation), DuckDB als Embedded OLAP für SQL-auf-Files (CSV/Parquet direkt querybar). MS Teams für Daten-Teams (1 Tag): Code-Sharing mit Code Snippets in Channels, Jupyter-Notebook-Sharing, Loop für gemeinsame Analyse-Ergebnisse.