Summary  
This chapter explains how to use pandas’ between method to filter DataFrame columns by value ranges, with options to include or exclude boundary values.  

General domain of usage  
Data filtering in tabular datasets (e.g., selecting car records based on numeric or date ranges)

Watch this video to see a step-by-step demonstration of how to use the `.between()` method in pandas for extracting rows where column values fall between two specified bounds. You'll learn how to apply `.between()` with different `inclusive` options to filter your DataFrame effectively, and see practical examples using the `'Engine_volume'` and `'Year'` columns. This visual guide will help you understand the differences between inclusive and exclusive boundaries, making your data extraction tasks more precise and efficient.

Untersuchen wir unser Datenset etwas genauer. Wir haben numerische Spalten, zum Beispiel `'Engine_volume'`. Angenommen, Sie möchten Informationen über alle Autos mit einem `'Engine_volume'` kleiner als `3`, aber größer als `2`. Mit der `.loc[]`-Anweisung lässt sich dies einfach umsetzen.

Es ist jedoch hilfreich zu wissen, dass Python eine spezielle Funktion bereitstellt, mit der sich Daten zwischen zwei Werten extrahieren lassen, ohne zwei Bedingungen zu verwenden. Diese Methode heißt `.between(left_bound, right_bound)`. Sie kann auf numerische Spalten angewendet werden, wobei die linken und rechten Grenzen der Zahlen angegeben werden. Sehen Sie sich das Beispiel an und erfahren Sie, wie `.between()` und `.loc[]` kombiniert werden können.

Der folgende Code extrahiert Daten, bei denen `'Engine_volume' >= 2 and 'Engine_volume' <= 3` gilt. Was ist jedoch zu tun, wenn eine oder sogar beide Grenzen exklusiv sein sollen? Finden wir es anhand desselben Beispiels heraus. Sie können der `.between()`-Methode ein zusätzliches Argument hinzufügen.
- `.between(2, 3, inclusive = 'right')` – extrahiert Daten, bei denen `'Engine_volume' > 2 and 'Engine_volume' <= 3` gilt;
- `.between(2, 3, inclusive = 'left')` – extrahiert Daten, bei denen `'Engine_volume' >= 2 and 'Engine_volume' < 3` gilt;
- `.between(2, 3, inclusive = 'both')` – extrahiert Daten, bei denen `'Engine_volume' >= 2 and 'Engine_volume' <= 3` gilt. Das Ergebnis entspricht dem ohne Verwendung von `inclusive = 'both'`;
- `.between(2, 3, inclusive = 'neither')` – extrahiert Daten, bei denen `'Engine_volume' > 2 and 'Engine_volume' < 3` gilt.

Dieser Kurs enthält viele nützliche Funktionen für angehende Data Analysts. Sie lernen verschiedene Methoden zur Extraktion von Daten kennen und können sogar Bedingungen darauf anwenden. Anschließend werden Sie mit Methoden zur Gruppierung von Daten vertraut gemacht. Außerdem lernen Sie, wie man Daten vorverarbeitet. Jeder Abschnitt verfügt über einen eigenen Datensatz, sodass der Kurs spannend bleibt.

In diesem Abschnitt lernen Sie, wie Sie bestimmte Spalten anhand ihrer Titel oder Indizes ausgeben. Außerdem machen Sie sich mit den Methoden vertraut, mit denen Sie Zeilen anhand von Indizes auswählen können.

Hier lernen Sie, wie man Daten extrahiert, die bestimmte Bedingungen erfüllen. Außerdem lernen Sie, wie man diese kombiniert und sogar eigene Bedingungen erstellt.

In diesem Abschnitt erweitern Sie Ihr Wissen über das Festlegen verschiedener Datenbedingungen. Sie lernen, zu überprüfen, ob Ihre Daten in einer definierten Werteliste oder zwischen zwei Werten liegen. Sie erfahren außerdem, wie Sie die größten und kleinsten Werte finden.

Dieser Abschnitt ist einer der faszinierendsten des Kurses. Hier lernen Sie, wie Sie Daten auf verschiedene Arten gruppieren können. Dies wird Ihnen als Data Analyst helfen, Informationen über bestimmte Datengruppen zu ermitteln.

Dieser Abschnitt ist einer der wichtigsten für Datenanalysten, da es unmöglich ist, mit Daten zu arbeiten, wenn sie fehlende Werte oder ein falsches Format enthalten. Daher lernen Sie hier, wie man mit solchen ungeeigneten Werten umgeht.

Between-Methode