Objectifs d'apprentissage

À la fin de cette section, vous devriez être en mesure de :

• Décrire la bibliothèque Pandas.
• Créer un objet DataFrame et un objet Series.
• Choisir les fonctions Pandas appropriées pour extraire des informations à partir de données hétérogènes.

Bibliothèque Pandas

Pandas est une bibliothèque Python open source utilisée pour le nettoyage, le traitement et l'analyse de données. Pandas fournit des structures de données et des outils d'analyse de données permettant d'analyser efficacement des données structurées. Le nom « Pandas » dérive du terme « panel data » (données de panel), qui fait référence à des jeux de données structurés multidimensionnels. Les principales caractéristiques de Pandas comprennent :

• Structure de données : Pandas implémente deux structures de données principales :
  • Series : Une Series est un tableau étiqueté unidimensionnel.
  • DataFrame : Un DataFrame est une structure de données étiquetée à deux dimensions composée de colonnes et de lignes. Un DataFrame peut être assimilé à une structure de type feuille de calcul où chaque colonne représente une Series. Un DataFrame est une structure de données hétérogène dans laquelle chaque colonne peut avoir un type de données différent.
• Fonctionnalités de traitement de données : Pandas fournit diverses fonctionnalités pour le traitement des données, telles que la sélection, le filtrage, le découpage, le tri, la fusion, la jointure et le réagencement des données.
• Intégration avec d'autres bibliothèques : Pandas s'intègre parfaitement avec d'autres bibliothèques Python, telles que NumPy. Cette capacité d'intégration permet l'échange de données entre différents outils d'analyse et de visualisation de données.

L'alias conventionnel pour importer Pandas est pd. En d'autres termes, Pandas est importé sous la forme import pandas as pd. Des exemples d'objets DataFrame et Series sont présentés ci-dessous.

Entrée et sortie de données

Un DataFrame peut être créé à partir d'un dictionnaire, d'une liste, d'un tableau NumPy ou d'un fichier CSV. Les noms et les types de données des colonnes peuvent être spécifiés au moment de l'instanciation du DataFrame.

import pandas as pd

# Create a dictionary of columns
data = {
  "Name": ["Emma", "Gireeja", "Sophia"],
  "Age": [15, 28, 22],
  "City": ["Dubai", "London", "San Jose"]
}

# Create a DataFrame from the dictionary
df = pd.DataFrame(data)

# Display the DataFrame
df

import pandas as pd

# Create a list of rows
data = [
  ["Emma", 15, "Dubai"],
  ["Gireeja", 28, "London"],
  ["Sophia", 22, "San Jose"]
]

# Define column labels
columns = ["Name", "Age", "City"]

# Create a DataFrame from list using column labels
df = pd.DataFrame(data, columns=columns)

# Display the DataFrame
df

import numpy as np
import pandas as pd

# Create a NumPy array
data = np.array([
  [1, 0, 0],
  [0, 1, 0],
  [2, 3, 4]
])

# Define column labels
columns = ["A", "B", "C"]

# Create a DataFrame from the NumPy array
df = pd.DataFrame(data, columns=columns)

# Display the DataFrame
df

import pandas as pd

# Read the CSV file into a DataFrame
df = pd.read_csv("data.csv")

# Display the DataFrame
df

import pandas as pd

# Read the Excel file into a DataFrame
df = pd.read_excel("data.xlsx")

# Display the DataFrame
df

Pandas pour la manipulation et l'analyse de données

La bibliothèque Pandas fournit des fonctions et des techniques pour explorer, manipuler et extraire des informations des données. Les principales fonctions de DataFrame permettant d'analyser ce code sont décrites dans le tableau suivant.

    import pandas as pd
    import numpy as np
    
    # Create a sample DataFrame
    days = {
      'Season': ['Summer', 'Summer', 'Fall', 'Winter', 'Fall', 'Winter'],
      'Month': ['July', 'June', 'September', 'January', 'October', 'February'],
      'Month-day': [1, 12, 3, 7, 20, 28],
      'Year': [2000, 1990, 2020, 1998, 2001, 2022]
    }
    df = pd.DataFrame(days)

df.head(4)

df.tail(3)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
 #    Column        Non-Null Count    Dtype
---   ------        --------------    -----
 0    Season        6 non-null        object
 1    Month         6 non-null        object
 2    Month-day     6 non-null        int64
 3    Year          6 non-null        int64
dtypes: int64(2), object(2)
memory usage: 320.0+ bytes

df.describe()

df.value_counts \('Season')

Season
Fall  2
Summer  2
Winter  2
dtype: int64

df['Season'] \.unique()

​​['Summer' 'Fall' 'Winter']

Exercices de programmation avec Google Colaboratory

Utilisez le document Google Colaboratory ci-dessous pour vous exercer à utiliser les fonctionnalités de Pandas permettant d'extraire des informations d'un jeu de données.

Document Google Colaboratory