Klare Regeln statt Raten.
Leerzeichen entfernen, IDs vereinheitlichen, Dezimalkomma und -punkt erkennen. Geldbeträge werden mit Dezimalzahlen berechnet.
Arbeitsprobe / Python · Datenaufbereitung
Aus Tabellenchaos
wird Klarheit.
Ein Bestellexport mit Dubletten, uneinheitlichen Formaten und fehlerhaften Zeilen. Ein Python-Skript bringt Ordnung hinein und dokumentiert jede Entscheidung.
Selbst initiiertes Demoprojekt. Alle Daten sind fiktiv. Diese Seite zeigt das Ergebnis eines tatsächlich ausgeführten Skripts.
20Eingangszeilen
15bereinigte Bestellungen
02Dubletten protokolliert
03Zeilen zur Prüfung
Vorher unklar. Nachher nachvollziehbar.
Auszüge aus den enthaltenen Beispieldateien
Eingabe orders.csv
| Bestellung | Datum | Menge | Preis (€) |
|---|---|---|---|
| rv-1001 | 2026-09-01 | 2 | 18,50 |
| RV-1002 | 2026-09-02 | 1 | 24.00 |
| RV-1001 (erneut) | 2026-09-01 | 2 | 18.50 |
| RV-1016 | 2026-09-31 | 1 | 10.00 |
Bereinigte Ausgabe clean.csv
| Bestellung | Datum | Menge | Summe (€) |
|---|---|---|---|
| RV-1001 | 2026-09-01 | 2 | 37,00 |
| RV-1002 | 2026-09-02 | 1 | 24,00 |
| RV-1003 | 2026-09-02 | 3 | 36,00 |
| Gesamtsumme aller 15 Bestellungen | 494,00 | ||
Die Dublette landet mit ihrer Quellzeile im Protokoll. Das ungültige Datum, eine fehlerhafte E-Mail-Adresse und eine negative Menge werden separat zur Prüfung ausgegeben. Keine Zeile verschwindet unbemerkt.
Fehler sichtbar lassen.
Datum, E-Mail-Format, Menge und Preis werden geprüft. Widersprüchliche Einträge zur gleichen Bestellnummer gehen vollständig in die Prüfliste.
Original bleibt erhalten.
Vier separate Ergebnisdateien zeigen bereinigte Daten, Dubletten, Prüffälle und die Zusammenfassung. Die Eingangsdatei wird nicht verändert.
Nicht nur eine Grafik
Selbst ausprobieren.
Das Paket enthält das Skript, 20 Beispieldatensätze, Tests, eine Anleitung und die erwarteten Ergebnisse. Python 3.10 oder neuer genügt; keine zusätzlichen Pakete erforderlich.
Demo-Paket herunterladenZIP entpacken, im enthaltenen Ordner ausführen:
python3 clean_orders.py orders.csv --out resultDer Ausgabeordner muss neu sein. Die Verarbeitung läuft lokal auf deinem Rechner; dieser Browser führt kein Python aus.
Was sich auf dein Projekt übertragen lässt
Andere Dateien und Regeln?
Spalten, Prüfregeln und Ausgaben lassen sich an einen konkreten Ablauf anpassen. Dieses Beispiel verarbeitet das dokumentierte CSV-Schema; Excel-Dateien, Schnittstellen oder regelmäßige Ausführung wären ein separat abzustimmender Umfang.
Was wird bei E-Mails geprüft?
Nur das Format, nicht die Existenz des Postfachs. Kleinschreibung ist eine explizite Regel dieses Demodatensatzes und wird für echte Kundendaten vorher abgestimmt.
Welche Tabelle kostet dich Zeit?
Beschreibe den heutigen Ablauf und die gewünschte Ausgabedatei. Für die erste Einschätzung reichen anonymisierte Beispieldaten.