Python in Excel für die DatenanalyseGruppierungen mit Pandas – Daten zusammenfassen und auswerten
- Warum Gruppierungen wichtig sind
- Datensatz laden und Umsatz berechnen
- So funktioniert groupby()
- Umsatz pro Land analysieren
- Mehrere Kennzahlen gleichzeitig berechnen (Named Aggregation)
- Gruppierung nach mehreren Dimensionen
- Top-Analysen erstellen
- Prozentuale Anteile berechnen
- Gruppierung nach Datum
- Vergleich mit Excel
- Die wichtigsten Aggregationen auf einen Blick
- Fazit
Warum Gruppierungen wichtig sind
In der Praxis der Datenanalyse stellt sich oft die Frage: Wie lassen sich Daten sinnvoll zusammenfassen? Typische „Fragen an die Daten“ sind:
- Wie hoch ist der Umsatz pro Land?
- Welche Produkte verkaufen sich am häufigsten?
- Welche Städte generieren den meisten Umsatz?
In Excel würden Sie dafür meist Pivot-Tabellen verwenden. In Pandas übernimmt diese Aufgabe die Funktion groupby().
