In Python dreht sich fast alles um die richtige Strukturierung von Daten. Egal ob du mit Python (programming language) arbeitest oder Daten für Power BI und Data Analytics vorbereitest – ohne Datenstrukturen kommst du nicht weit. Datenstrukturen bestimmen, wie Daten gespeichert, organisiert und verarbeitet werden. Und genau das ist entscheidend für Performance, Lesbarkeit und Flexibilität deines Codes.
Listen (Lists) – die Allrounder
Listen sind die wohl am häufigsten genutzte Datenstruktur in Python.
Sie sind:
- veränderbar (mutable)
- geordnet
- erlauben doppelte Werte
Beispiel:
zahlen = [10, 20, 30, 40]Typische Use Cases:
- Datenreihen (z. B. Verkaufszahlen)
- Zwischenspeicherung von Ergebnissen
- Iterationen in Schleifen
👉 Wenn du aus Excel kommst: Eine Liste ist wie eine dynamische Spalte.
Dictionaries – Key-Value-Power für strukturierte Daten
Dictionaries speichern Daten in Schlüssel-Wert-Paaren.
Beispiel:
kunde = {
"Name": "Max",
"Alter": 30,
"Stadt": "Wien"
}Vorteile:
- extrem schnell beim Zugriff
- ideal für strukturierte Daten
- perfekt für JSON-ähnliche Daten
Typische Use Cases:
- APIs
- Datenmapping
- Konfigurationen
Sets – wenn Duplikate keine Chance haben
Sets sind ungeordnete Sammlungen einzigartiger Werte.
Beispiel:
zahlen = {1, 2, 3, 4}Eigenschaften:
- keine Duplikate
- sehr schnelle Mengenoperationen
- mathematische Set-Operationen möglich
Use Cases:
- Datenbereinigung
- Duplikate entfernen
- Mengenvergleiche
Tuples – unveränderliche Daten speichern
Tuples sind wie Listen, aber immutable (nicht veränderbar).
Beispiel:
koordinaten = (48.2, 16.3)Eigenschaften:
- schneller als Listen
- geschützt gegen Änderungen
- ideal für fixe Daten
Use Cases:
- geografische Koordinaten
- Konstanten
- sichere Datenübergabe
Kurzvergleich der wichtigsten Datenstrukturen
| Struktur | Veränderbar | Geordnet | Duplikate | Typischer Einsatz |
|---|---|---|---|---|
| Liste | Ja | Ja | Ja | Allgemeine Daten |
| Dictionary | Ja | Ja | Keys nein | Strukturierte Daten |
| Set | Ja | Nein | Nein | Unique Values |
| Tuple | Nein | Ja | Ja | Fixe Daten |
🚀 Fazit: Welche Datenstruktur wann?
Wenn du mit Python im Data-Analytics-Bereich arbeitest, ist die richtige Wahl der Datenstruktur entscheidend:
- Listen → flexible Datensammlungen
- Dictionaries → strukturierte Daten & Mapping
- Sets → Bereinigung & Eindeutigkeit
- Tuples → stabile, unveränderliche Daten
Je besser du diese Grundlagen beherrschst, desto effizienter wirst du in Analyse, Automatisierung und Datenverarbeitung.
📺 Mehr Praxisbeispiele und Python-Insights findest du auf meinem YouTube-Kanal:
👉 https://www.youtube.com/@datenanalyst