Présentation des DataFrames

Manipulation de données avec pandas

Richie Cotton

Data Evangelist at DataCamp

Quel est l’intérêt de pandas ?

Plan du cours

Chapitre 1 : DataFrames
- Tri et subdivision
- Création de nouvelles colonnes
Chapitre 2 : Agrégation des données
- Statistiques récapitulatives
- Comptage
- Statistiques récapitulatives groupées

Chapitre 3 : Découpage et indexation des données
- Subdivision à l’aide d’un découpage
- Index et subdivision à l’aide d’index
Chapitre 4 : Création et visualisation de données
- Tracé de graphiques
- Traitement des données manquantes
- Lecture de données dans un DataFrame

pandas repose sur NumPy et Matplotlib

Un triangle reposant sur deux rectangles. Le triangle représente le paquet pandas, tandis que les rectangles représentent les paquets NumPy et matplotlib.

pandas est populaire

L’émoji représentant un panda, répété des centaines de fois, représente les nombreux utilisateurs de pandas.

¹ https://pypistats.org/packages/pandas

Données rectangulaires

Nom	Race	Couleur	Taille (cm)	Poids (kg)	Date de naissance
Bella	Labrador	Marron	56	25	2013-07-01
Charlie	Caniche	Noir	43	23	2016-09-16
Lucy	Chow-chow	Marron	46	22	2014-08-25
Cooper	Schnauzer	Gris	49	17	2011-12-11
Max	Labrador	Noir	59	29	2017-01-20
Stella	Chihuahua	Brun	18	2	2015-04-20
Bernie	Saint-Bernard	Blanc	77	74	2018-02-27

DataFrames pandas

print(dogs)

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20
5   Stella    Chihuahua    Tan         18          2    2015-04-20
6   Bernie  St. Bernard  White         77         74    2018-02-27

Exploration d’un DataFrame : .head()

print(dogs.head())

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20

Exploration d’un DataFrame : .info()

print(dogs.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 6 columns):
 #   Column         Non-Null Count  Dtype 
 --  ------         --------------  ----- 
 0   name           7 non-null      object
 1   breed          7 non-null      object
 2   color          7 non-null      object
 3   height_cm      7 non-null      int64 
 4   weight_kg      7 non-null      int64 
 5   date_of_birth  7 non-null      object
dtypes: int64(2), object(4)
memory usage: 464.0+ bytes

Exploration d’un DataFrame : .shape

print(dogs.shape)

(7, 6)

Exploration d’un DataFrame : .describe()

print(dogs.describe())

       height_cm  weight_kg
count   7.000000   7.000000
mean   49.714286  27.428571
std    17.960274  22.292429
min    18.000000   2.000000
25%    44.500000  19.500000
50%    49.000000  23.000000
75%    57.500000  27.000000
max    77.000000  74.000000

Composants d’un DataFrame : .values

print(dogs.values)

array([['Bella', 'Labrador', 'Brown', 56, 24, '2013-07-01'],
       ['Charlie', 'Poodle', 'Black', 43, 24, '2016-09-16'],
       ['Lucy', 'Chow Chow', 'Brown', 46, 24, '2014-08-25'],
       ['Cooper', 'Schnauzer', 'Gray', 49, 17, '2011-12-11'],
       ['Max', 'Labrador', 'Black', 59, 29, '2017-01-20'],
       ['Stella', 'Chihuahua', 'Tan', 18, 2, '2015-04-20'],
       ['Bernie', 'St. Bernard', 'White', 77, 74, '2018-02-27']],
      dtype=object)

Composants d’un DataFrame : .columns et .index

print(dogs.columns)

Index(['name', 'breed', 'color', 'height_cm', 'weight_kg', 'date_of_birth'],
dtype='object')

dogs.index

RangeIndex(start=0, stop=7, step=1)

Philosophie pandas

Il devrait y avoir une manière évidente de le faire, et de préférence une seule.

- Le Zen de Python par Tim Peters, point 13

Un couteau suisse vert

¹ https://www.python.org/dev/peps/pep-0020/

Passons à la pratique !

Manipulation de données avec pandas