Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Python-Grundlagen für Datenaufgaben

  • Installation von Python und Einrichtung der Entwicklungsumgebung
  • Sprachgrundlagen: Variablen, Datentypen, Kontrollstrukturen
  • Schreiben und Ausführen einfacher Python-Skripte

Dateiverarbeitung: CSV und Excel

  • Lesen und Schreiben von CSV-Dateien mit dem csv-Modul und Pandas
  • Arbeit mit Excel-Dateien unter Verwendung von openpyxl/xlrd und Pandas
  • Praktische Übungen: Automatisierung von Datei-Umwandlungen

Einführung in Pandas

  • Grundlagen des DataFrames: Erstellung, Indizierung, Auswahl und Filterung
  • Aggregations- und Gruppierungsoperationen
  • Gängige Bereinigungsoperationen: fehlende Werte, Duplikate und Typkonvertierungen

Einführung in Polars

  • Polars-Konzepte und Leistungsmerkmale im Vergleich zu Pandas
  • Grundlegende DataFrame-Operationen in Polars
  • Anwendungsbeispiel: Wann man Polars statt Pandas wählt

Erweiterte Datentransformation (Mittelstufe)

  • Komplexe Joins, Fensterfunktionen und Pivot-Operationen in Pandas
  • Effiziente Datenverarbeitungsmuster mit Polars
  • Kettenoperationen und Optimierung des Speicherverbrauchs

Prozessautomatisierung mit Python

  • Schreiben von Skripten zur Automatisierung wiederkehrender Datenaufgaben und ETL-Schritte
  • Zeitplanung von Skripten mit Betriebssystem-Planern oder Aufgabenplanern
  • Protokollierung, Fehlerbehandlung und Benachrichtigungen

Packen von Skripten und Best Practices

  • Erstellen ausführbarer Dateien mit PyInstaller oder ähnlichen Tools
  • Projektstrukturierung, virtuelle Umgebungen und Abhängigkeitsverwaltung
  • Grundlagen der Versionskontrolle und Dokumentation von Workflows

Praktisches Mini-Projekt

  • End-to-End-Aufgabe: Rohdateien lesen, Daten bereinigen und transformieren, Ergebnisse erzeugen
  • Workflow automatisieren und als ausführbares Skript oder ausführbare Datei packen
  • Review und Verbesserungen basierend auf Peer-Feedback

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegende Vertrautheit mit Programmierkonzepten oder Bereitschaft, diese zu erlernen
  • Umgangsfähigkeit mit der Kommandozeile oder dem Terminal zur Installation von Paketen
  • Erfahrung in der Arbeit mit Tabellenkalkulationen (CSV/Excel)

Zielgruppe

  • Datenanalysten und operatives Personal, das Datenaufgaben automatisiert
  • Analyse-Ingenieure, die leichtgewichtiges ETL-Scripting suchen
  • Fachkräfte, die an praxisnahen, Python-basierten Datenworkflows interessiert sind

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien