{"id":183287,"date":"2026-01-28T16:21:37","date_gmt":"2026-01-28T15:21:37","guid":{"rendered":"https:\/\/liora.io\/de\/?p=183287"},"modified":"2026-02-06T04:24:32","modified_gmt":"2026-02-06T03:24:32","slug":"dtype-python-erstelle-strukturierte-tabellen","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/dtype-python-erstelle-strukturierte-tabellen","title":{"rendered":"Dtype Python: Erstelle strukturierte Tabellen"},"content":{"rendered":"<p><strong>Egal, ob es sich um ein IT-Projekt, eine Personal- oder Gesch\u00e4ftsdatei handelt, eine Tabelle hat selten nur einen einzigen Datentyp. Oft werden numerische und textuelle Daten miteinander vermischt, um mehr Kontext zu schaffen. Genau aus diesem Grund sind Dtype auf Python so n\u00fctzlich.<\/strong><\/p>\nWorum handelt es sich also? Was sind die verschiedenen Dtypen? Wof\u00fcr werden sie verwendet? Und wie werden sie verwendet? Das werden wir uns in diesem Artikel ansehen.\n\n?Auch interessant:\n<table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\">\n<colgroup>\n<col width=\"426\"><\/colgroup>\n<tbody>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Python&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/python\"><a href=\"https:\/\/liora.io\/de\/python\" target=\"_blank\" rel=\"noopener\">Python<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Wordcloud Python&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/wordcloud-python\"><a href=\"https:\/\/liora.io\/de\/wordcloud-python\" target=\"_blank\" rel=\"noopener\">Wordcloud Python<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Python oder R ?&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/python-oder-r\"><a href=\"https:\/\/liora.io\/de\/python-oder-r\" target=\"_blank\" rel=\"noopener\">Python oder R ?<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Python f\u00fcr Dummies Teil 2&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/python-fuer-dummies-teil-2\"><a href=\"https:\/\/liora.io\/de\/python-fuer-dummies-teil-2\" target=\"_blank\" rel=\"noopener\">Python f\u00fcr Dummies Teil 2<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Python Schulung&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/python-schulung\"><a href=\"https:\/\/liora.io\/de\/python-schulung\" target=\"_blank\" rel=\"noopener\">Python Schulung<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Was ist Scala und wieso ist Python besser&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/scala-was-ist-diese-programmiersprache-und-wieso-ist-python-besser\"><a href=\"https:\/\/liora.io\/de\/scala-was-ist-diese-programmiersprache-und-wieso-ist-python-besser\" target=\"_blank\" rel=\"noopener\">Was ist Scala und wieso ist Python besser<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Top der nativen Python Funktionen&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/top-10-der-nativen-python-funktionen\"><a href=\"https:\/\/liora.io\/de\/top-10-der-nativen-python-funktionen\" target=\"_blank\" rel=\"noopener\">Top der nativen Python Funktionen<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2 class=\"wp-block-heading\" id=\"h-was-ist-ein-dtype\">Was ist ein Dtype?<\/h2>\nDtype entspricht den Datentypen der N<a href=\"https:\/\/liora.io\/de\/numpy\">umPy-Bibliothek (numerical Python).<\/a> Dieses Werkzeug, das auf der Programmiersprache C basiert, erleichtert numerische Berechnungen mit Python. Insbesondere wird die Verwaltung von Zahlenarrays vereinfacht. Dies wird durch die Verwendung von dtype erm\u00f6glicht. Jedes Array hat verschiedene Datentypen.\n\nMit <strong>Dtype Python<\/strong> kann man beschreiben, wie die Werte kodiert sind und wie sie interpretiert werden sollen. Sie informieren dich \u00fcber die folgenden Informationen:\n<ul>\n \t<li><strong>Der Datentyp:<\/strong> Ganzzahl, reelle Zahl, Textdaten, Python-Objekt usw.<\/li>\n \t<li><strong>Die Datengr\u00f6\u00dfe:<\/strong> Die Daten werden in Bits codiert. D. h. der zugewiesene Speicher, um sie im Arbeitsspeicher zu speichern. Je nach verf\u00fcgbarem Speicher werden Daten in den Formaten int16, uint32, complex64 usw. gespeichert.<\/li>\n \t<li><strong>Die Byte-Reihenfolge der Daten:<\/strong> Das Zeichen &#8222;&lt;&#8220; wird f\u00fcr die little endian-Kodierung angegeben, ansonsten das Zeichen &#8222;&gt;&#8220; f\u00fcr die big endian-Kodierung. Diese Zeichen werden am Anfang des Datentyps angegeben.<\/li>\n \t<li><strong>Bei strukturierten Daten:<\/strong> Du erh\u00e4ltst zus\u00e4tzliche Informationen \u00fcber die Felder der Struktur, den Datentyp f\u00fcr jedes Feld, den Teil des Speicherblocks, der von jedem Feld belegt wird, etc. Die Idee ist dann, eine Tabelle, die aus verschiedenen Variablen besteht, so genau wie m\u00f6glich zu beschreiben.<\/li>\n \t<li><strong>F\u00fcr Subnetze:<\/strong> Hier informieren dich die dtype \u00fcber die Form und den Typ der Daten.<\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\" id=\"h-was-sind-die-dtype-von-python\">Was sind die dtype von Python?<\/h2>\n<p style=\"text-align: left;\">Wenn man bei Python von dtype spricht, stammen diese Variablen in Wirklichkeit aus der NumPy-Bibliothek. Und auf dieser sind sie sogar noch vielf\u00e4ltiger.<\/p>\n\n<h3 class=\"wp-block-heading\" id=\"h-uber-python\">\u00dcber Python<\/h3>\nDie Programmiersprache Python bietet dir diese Datentypen:\n<ul>\n \t<li><strong>String:<\/strong> Er wird verwendet, um Textdaten darzustellen. Hier wird der Text in Anf\u00fchrungszeichen geschrieben. Zum Beispiel &#8222;die dtypes von Python&#8220;.<\/li>\n \t<li><strong>Integer:<\/strong> Dieser Dtyp steht f\u00fcr ganze Zahlen, wie -1, -2, -3.<\/li>\n \t<li><strong>Float:<\/strong> \u00c4hnlich dem vorherigen Datentyp, hier geht es vor allem darum, reelle Zahlen darzustellen. Also nicht nur ganze Zahlen, sondern auch Dezimalzahlen oder Br\u00fcche, wie z. B. 1.2, \u2156, 5.69, etc.<\/li>\n \t<li><strong>Booleen:<\/strong> Das sind einfach die Daten, die True oder False darstellen.<\/li>\n \t<li><strong>Komplex:<\/strong> Das sind komplexere Zahlen, z. B. 1.0 + 2.3j.<\/li>\n<\/ul>\nHierbei handelt es sich um die dtype auf Python. Auf NumPy gibt es jedoch eine gr\u00f6\u00dfere Vielfalt an Datentypen.\n<h3 class=\"wp-block-heading\" id=\"h-mit-der-numpy-bibliothek\">Mit der NumPy-Bibliothek<\/h3>\nBei <a href=\"https:\/\/liora.io\/de\/numpy\">NumPy<\/a> sind die dtypen der Datentyp und die Gr\u00f6\u00dfe der Daten. Hier ist eine Tabelle, die die verschiedenen m\u00f6glichen Kombinationen zusammenfasst:\n\n<style type=\"text\/css\">\n.tg  {border-collapse:collapse;border-spacing:0;}<br \/>\n.tg td{border-color:black;border-style:solid;border-width:1px;font-family:Arial, sans-serif;font-size:14px;<br \/>\n  overflow:hidden;padding:10px 5px;word-break:normal;}<br \/>\n.tg th{border-color:black;border-style:solid;border-width:1px;font-family:Arial, sans-serif;font-size:14px;<br \/>\n  font-weight:normal;overflow:hidden;padding:10px 5px;word-break:normal;}<br \/>\n.tg .tg-gfw1{background-color:#c0c0c0;font-family:\"Trebuchet MS\", Helvetica, sans-serif !important;font-size:16px;font-weight:bold;<br \/>\n  text-align:center;vertical-align:top}<br \/>\n.tg .tg-o6e8{background-color:#c0c0c0;font-family:\"Trebuchet MS\", Helvetica, sans-serif !important;font-size:16px;text-align:center;<br \/>\n  vertical-align:top}<br \/>\n.tg .tg-znjt{background-color:#ffffff;font-family:\"Trebuchet MS\", Helvetica, sans-serif !important;font-size:16px;text-align:center;<br \/>\n  vertical-align:top}<br \/>\n<\/style>\n<table style=\"undefined;table-layout: fixed; width: 500px\">\n<colgroup>\n<col style=\"width: 150px\">\n<col style=\"width: 350px\">\n<\/colgroup>\n<thead>\n<tr>\n<th>Datentyp<\/th>\n<th>Beschreibung<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Bool_<\/td>\n<td>Dies sind Wahrheitswerte (wahr oder falsch)<\/td>\n<\/tr>\n<tr>\n<td>byte<\/td>\n<td>Vorzeichenbehaftete Ganzzahl (positive oder negative Werte)<\/td>\n<\/tr>\n<tr>\n<td>ubyte<\/td>\n<td>Vorzeichenlose Ganzzahl (nur positive Werte)<\/td>\n<\/tr>\n<tr>\n<td>int8<\/td>\n<td>Vorzeichenbehaftete Ganzzahl auf 8 Bits.<\/td>\n<\/tr>\n<tr>\n<td>int16<\/td>\n<td>Vorzeichenbehaftete Ganzzahl auf 16 Bits.<\/td>\n<\/tr>\n<tr>\n<td>int32<\/td>\n<td>Vorzeichenbehaftete Ganzzahl auf 32 Bits.<\/td>\n<\/tr>\n<tr>\n<td>int64<\/td>\n<td>Vorzeichenbehaftete Ganzzahl auf 64 Bits.<\/td>\n<\/tr>\n<tr>\n<td>uint8<\/td>\n<td>Vorzeichenlose Ganzzahl auf 8 Bits.<\/td>\n<\/tr>\n<tr>\n<td>uint16<\/td>\n<td>Vorzeichenlose Ganzzahl auf 16 Bits.<\/td>\n<\/tr>\n<tr>\n<td>uint32<\/td>\n<td>Vorzeichenlose Ganzzahl auf 32 Bits.<\/td>\n<\/tr>\n<tr>\n<td>uint64<\/td>\n<td>Vorzeichenlose Ganzzahl auf 64 Bits.<\/td>\n<\/tr>\n<tr>\n<td>float16<\/td>\n<td>Gleitkommazahl auf 16 Bits.<\/td>\n<\/tr>\n<tr>\n<td>float32<\/td>\n<td>Gleitkommazahl auf 32 Bits.<\/td>\n<\/tr>\n<tr>\n<td>float64<\/td>\n<td>Gleitkommazahl auf 64 Bits.<\/td>\n<\/tr>\n<tr>\n<td>complex64<\/td>\n<td>Komplexe Zahl auf 64 Bits.<\/td>\n<\/tr>\n<tr>\n<td>complex128<\/td>\n<td>Komplexe Zahl auf 128 Bits.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-data-scientist\">Lerne Dtype Python<\/a><\/div><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"h-wozu-dienen-dtype-bei-python\">Wozu dienen dtype bei Python?<\/h2>\nMit den <strong>Dtypen von Python<\/strong> k\u00f6nnen strukturierte Tabellen (oder Datensatztabellen) erstellt werden. Innerhalb dieser strukturierten Arrays kannst du pro Spalte verschiedene<strong> Datentypen einf\u00fcgen. Zum Beispiel Zahlen, Textdaten, komplexe Formeln und so weiter.<\/strong>\n\nDiese \u00e4hneln stark den traditionellen <a href=\"https:\/\/liora.io\/de\/excel-makros-aktivieren-diese-schritte-solltest-du-nicht-ueberspringen\">Excel<\/a>&#8211; oder <strong>CSV-Dateien.<\/strong> Sie k\u00f6nnen von verschiedenen Abteilungen einer Organisation verwendet werden, z. B. von der Personalabteilung, um die Daten aller Mitarbeiter des Unternehmens zusammenzustellen, von der Logistikabteilung, um einen \u00dcberblick \u00fcber die Lieferanten und ihre Preise zu erhalten usw.\n\nOhne <strong>dtype<\/strong> ist es nicht m\u00f6glich, strukturierte Tabellen zu erstellen. Nur ndarray, die homogene Datenobjekte enthalten.\n<h2 class=\"wp-block-heading\" id=\"h-wie-erstellt-man-ein-array-mit-dtype\">Wie erstellt man ein Array mit dtype?<\/h2>\nHier sind einige grundlegende Beispiele f\u00fcr die Erstellung von Arrays mit dtype in Python.\n<h3 class=\"wp-block-heading\" id=\"h-ein-array-mit-nur-einem-datentyp\">Ein Array mit nur einem Datentyp<\/h3>\nDaf\u00fcr gibt es zwei M\u00f6glichkeiten.\n1 \/ Du kannst den Datentyp mithilfe einer Zeichenkette definieren.\nHier ist der Code:\n<p style=\"padding-left: 40px;\"><strong><mark>import numpy as np<\/mark><\/strong><\/p>\n.\n<p style=\"padding-left: 40px;\"><strong><mark>a1 = np.array( [1,2,3], dtype = &#8218;int64&#8216;)<\/mark><\/strong><\/p>\n<p style=\"padding-left: 40px;\"><strong><mark>print( a1)<\/mark><\/strong><\/p>\n2 \/ Du kannst den Datentyp durch Verweis auf die NumPy-Bibliothek definieren.\nDies ist der Code:\n<p style=\"padding-left: 40px;\"><strong><mark>a2 = np.array( [1,2,3], dtype = np.int64)<\/mark><\/strong><\/p>\n<p style=\"padding-left: 40px;\"><strong><mark>print(a2)<\/mark><\/strong><\/p>\n\nIn diesen Beispielen haben wir Daten verwendet, die ganze Zahlen repr\u00e4sentieren, aber es ist nat\u00fcrlich m\u00f6glich, jeden anderen gew\u00fcnschten Dtype zu verwenden.\n<h3 class=\"wp-block-heading\" id=\"h-eine-tabelle-mit-verschiedenen-datenarten\">Eine Tabelle mit verschiedenen Datenarten<\/h3>\nEs ist m\u00f6glich, eine <strong>strukturierte Tabelle<\/strong> mit mehreren Spalten zu erstellen, wobei jede Spalte einen eigenen Datentyp hat. Zum besseren Verst\u00e4ndnis hier ein Beispiel mit drei Spalten:\n<ul>\n \t<li>Ein Feld &#8222;Name&#8220; mit Textdaten (string).<\/li>\n \t<li>Ein Feld &#8222;Alter&#8220; mit ganzen Zahlen (integer).<\/li>\n \t<li>Ein Feld &#8222;Gehalt&#8220; mit Dezimalzahlen (float)<\/li>\n<\/ul>\nHier ist der Code:\n\nangestellter = np.dtype([(&#8217;name&#8216;, &#8218;S&#8216;), (&#8218;alter&#8216;, &#8218;i&#8216;), (&#8218;gehalt&#8216;, &#8218;f&#8216;)])\n\na = np.array([(&#8218;vincent dupont&#8216;, 32, 2368.45), (&#8218;emilie martin&#8216;, 26, 2689.23)]),\n\ndtype = angestellt)\n\nprint(a)\n\nprint(a.dtype)\n\nDies sind nur einige vereinfachte Beispiele f\u00fcr dtype Python. Wenn du tiefer gehen willst, ist es besser, sich weiterzubilden.\n<h2 class=\"wp-block-heading\" id=\"h-lerne-dtype-python-mit-datascientest\">Lerne Dtype Python mit Liora<\/h2>\nUm <strong>Dtype auf Python<\/strong> zu beherrschen, bedarf es umfangreicher Kenntnisse und Praxis. Aus diesem Grund bietet Liora seine Schulungen in Datenanalyse und Datenwissenschaft an. Hier lernst du alles, was du \u00fcber Programmiersprachen wissen musst.\n\n<a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">\nEntdecke unsere Weiterbildungen\n<\/a>","protected":false},"excerpt":{"rendered":"<p>Egal, ob es sich um ein IT-Projekt, eine Personal- oder Gesch\u00e4ftsdatei handelt, eine Tabelle hat selten nur einen einzigen Datentyp. Oft werden numerische und textuelle Daten miteinander vermischt, um mehr Kontext zu schaffen. Genau aus diesem Grund sind Dtype auf Python so n\u00fctzlich.<\/p>\n","protected":false},"author":78,"featured_media":183289,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-183287","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/183287","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=183287"}],"version-history":[{"count":3,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/183287\/revisions"}],"predecessor-version":[{"id":216376,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/183287\/revisions\/216376"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/183289"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=183287"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=183287"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}