Überblick über Datentypen

Pandas bietet eine Vielzahl von Datentypen, die speziell für die Verarbeitung und Analyse von Daten optimiert sind. Die Wahl des richtigen Datentyps kann die Speicher- und Rechenleistung erheblich beeinflussen.

1. Numerische Datentypen

Ganzzahlige Datentypen (Integer)

Pandas unterstützt verschiedene Integer-Typen mit unterschiedlicher Speichergrösse:

• int8, int16, int32, int64: Diese Typen speichern ganze Zahlen mit 8, 16, 32 oder 64 Bit. Je grösser die Bitanzahl, desto grössere Werte können gespeichert werden.
• Beispiel:

  df["A"] = df["A"].astype("int32")
  

  Hier wird die Spalte "A" in den Integer-Typ mit 32 Bit umgewandelt, was Speicherplatz sparen kann, wenn keine grösseren Werte benötigt werden.

Gleitkommazahlen (Float)

Für Dezimalzahlen stehen folgende Datentypen zur Verfügung:

• float16, float32, float64: Diese Typen repräsentieren Gleitkommazahlen mit 16, 32 oder 64 Bit. Höhere Bitwerte bieten eine höhere Genauigkeit, verbrauchen jedoch mehr Speicher.
• Beispiel:

  df["B"] = df["B"].astype("float64")
  

  In diesem Beispiel wird die Spalte "B" in den Standard-Gleitkommatyp mit 64 Bit konvertiert.

2. Boolesche Werte

Der boolesche Datentyp speichert Wahrheitswerte:

• bool: Kann nur die Werte True oder False annehmen.
• Beispiel:

  df["C"] = df["C"].astype("bool")
  

  Damit wird die Spalte "C" in den Datentyp bool umgewandelt, wodurch nur zwei mögliche Werte gespeichert werden können.

3. Zeichenketten (Strings)

Pandas speichert Zeichenketten standardmässig als object, bietet aber auch eine optimierte Variante:

• object: Allgemeiner Typ für gemischte Daten, meist für Strings verwendet.
• string: Ein effizienterer String-Datentyp, eingeführt in neueren Pandas-Versionen.
• Beispiel:

  df["D"] = df["D"].astype("string")
  

  Hier wird die Spalte "D" explizit in den neuen string-Typ umgewandelt, um Speicherplatz zu sparen und die Verarbeitung zu beschleunigen.

4. Kategorische Daten

Der category-Datentyp eignet sich für Spalten mit wiederkehrenden Werten:

• category: Spart Speicherplatz, indem wiederholte Werte als numerische Kategorien gespeichert werden.
• Beispiel:

  df["E"] = df["E"].astype("category")
  

  Diese Umwandlung ist nützlich für Spalten mit wenigen einzigartigen Werten, wie zum Beispiel Geschlechter oder Produktkategorien.

5. Zeitbezogene Datentypen

Datums- und Zeitstempel

Für die Arbeit mit Zeitstempeln gibt es den Datentyp:

• datetime64[ns]: Speichert Datums- und Uhrzeitangaben mit Nanosekunden-Präzision.
• Beispiel:

  df["F"] = pd.to_datetime(df["F"])
  

  Hier wird sichergestellt, dass die Spalte "F" korrekt als Zeitstempel interpretiert wird.

Zeitdifferenzen

Pandas ermöglicht auch die Berechnung von Zeitspannen:

• timedelta64[ns]: Speichert die Differenz zwischen zwei Zeitstempeln.
• Beispiel:

  df["G"] = df["H"] - df["I"]
  

  In diesem Fall wird die Differenz zwischen den Spalten "H" und "I" berechnet und in einer neuen Spalte "G" gespeichert.