Travailler avec des données numériques

Analyse exploratoire de données en Python

George Boorman

Curriculum Manager, DataCamp

Ensemble de données des salaires original

print(salaries.info())

Ensemble de données des salaires original

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 594 entries, 0 to 593
Data columns (total 9 columns):
 #   Column                Non-Null Count  Dtype  
--   ------                --------------  -----  
 0   Working_Year          594 non-null    int64  
 1   Designation           567 non-null    object 
 2   Experience            561 non-null    object 
 3   Employment_Status     563 non-null    object 
 4   Salary_In_Rupees      566 non-null    object 
 5   Employee_Location     554 non-null    object 
 6   Company_Location      570 non-null    object 
 7   Company_Size          535 non-null    object 
 8   Remote_Working_Ratio  571 non-null    float64
dtypes: float64(1), int64(1), object(7)
memory usage: 41.9+ KB
None

Salaire en roupies

print(salaries["Salary_In_Rupees"].head())

0    20,688,070.00
1     8,674,985.00
2     1,591,390.00
3    11,935,425.00
4     5,729,004.00
Name: Salary_In_Rupees, dtype: object

Convertir des chaînes en nombres

Supprimer les virgules dans Salary_In_Rupees

Convertir la colonne au type float

Créer une nouvelle colonne en convertissant la devise

Billets de dollar

Convertir des chaînes en nombres

pd.Series.str.replace("characters to remove", "characters to replace them with")

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].str.replace(",", "")

print(salary["Salary_In_Rupees"].head())

1    20688070.00
2     8674985.00
3     1591390.00
4    11935425.00
5     5729004.00
Name: Salary_In_Rupees, dtype: object

Convertir des chaînes en nombres

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].astype(float)

1 roupie indienne = 0,012 dollar US

salaries["Salary_USD"] = salaries["Salary_In_Rupees"] * 0.012

Aperçu de la nouvelle colonne

print(salaries[["Salary_In_Rupees", "Salary_USD"]].head())

   Salary_In_Rupees  Salary_USD
0        20688070.0  248256.840
1         8674985.0  104099.820
2         1591390.0   19096.680
3        11935425.0  143225.100
4         5729004.0   68748.048

Ajouter des statistiques sommaires à un DataFrame

salaries.groupby("Company_Size")["Salary_USD"].mean()

Company_Size
L    111934.432174
M    110706.628527
S     69880.980179
Name: Salary_USD, dtype: float64

Ajouter des statistiques sommaires à un DataFrame

Grouper par la colonne Experience

salaries["std_dev"] = salaries.groupby("Experience")

Ajouter des statistiques sommaires à un DataFrame

Puis sélectionner la colonne Salary_USD

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"]

Ajouter des statistiques sommaires à un DataFrame

Appeler la méthode pandas transform

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(

Ajouter des statistiques sommaires à un DataFrame

Appliquer une fonction lambda

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(lambda x: x.std())

Ajouter des statistiques sommaires à un DataFrame

print(salaries[["Experience", "std_dev"]].value_counts())

Experience         std_dev
SE                 52995.385395        257
MI                 63217.397343        197
EN                 43367.256303         83
EX                 86426.611619         24

Ajouter des statistiques sommaires à un DataFrame

salaries["median_by_comp_size"] = salaries.groupby("Company_Size") \
                                        ["Salary_USD"].transform(lambda x: x.median())

print(salaries[["Company_Size", "median_by_comp_size"]].head())

     Company_Size     median_by_comp_size
0    S                60833.424
1    M                105914.964
2    S                60833.424
3    L                95483.400
4    L                95483.400

Passons à la pratique !

Analyse exploratoire de données en Python