Motivation für den Blog
26/04/2019EU 2020 “quick fixes” > Überprüfung USt.-Ident-Nr. leicht gemacht
14/12/2019Dann wollen wir diesen Blog mal mit einem Knall starten: anbei die Links sowohl zu einem YouTube Video also auch zu einem Jupyter Notebook in meinem GitHub Repository für all diejenigen, die etwas mehr erfahren wollen, wie man mit Python und Pandas Pivot-Tabellen basteln kann, ohne durch die typischen Probleme gebremst zu werden, die sich früher oder später mit Excel ergeben.
Das Video stammt von einem Vortrag, den ich auf Python Meeting Düsseldorf im Januar 2019 gehalten habe (….Chapeau an Marc-André Lemburg und Charlie Clark für dieses regelmäßige Event. welches man jedem Python-Interessierten nur wärmsten empfehlen kann !) . Der Vortrag ist auf Deutsch, das Jupyter Notebook auf GitHub (…wegen des höhren Wiederverwendungswertes) auf Englisch. Der YouTube-Video zeigt ALLE Vorträge des Abends, meiner beginnt ab Zeitmarke 1:01h.
Es geht in Vortrag wie Notebook um die grundsätzlichen Probleme, die sich bei größeren und komplexeren Pivot-Tabellen in Excel einstellen – und wie sich diese Probleme mittels Python und Pandas umgehen lassen. Insbesondere werden adressiert:
- Die grundsätzliche Schwierigkeit, daß für saubere Pivot-Tabellen notwendige “saubere Langformat” zu erhalten (LTD bzw. Long Tidy Format)…. und wie man hier durch Nutzung von Multi-Indices beim Import von CSV-Dateien von vorne herein viel Arbeit sparen kann
- Die “SVERWEIS-Hölle” bei langen Excel-Tabellen
- Die deutlich leichtere und flexiblere Berechnung neuer Metriken mit Python und Pandas basierend auf
- entweder dem ursprünglichen “sauberen Langformat” oder
- dem Ergebnis einer Pivotisierung
Zusätzlich gehen Vortrag wie Notebook auf das grundsätzliche Basis-Problem von Excel ein, nämlich die nur schwer nachvollziehbare Vermischung von Daten und Logik in einem Dokument. Ein Nachteil, den Python und Pandas insofern elegant umgehen, da Daten Daten bleiben und die Logik, die diese Daten ändert und/oder filtert und/oder zusammenfaßt alleinig und nachvollziehbar im Python Code hinterlegt wird.
