La Dataframe est une structure de données qui organise les données en lignes et en colonnes, ce qui en fait une structure de données bidimensionnelle. Vous pouvez l'imaginer comme une feuille de calcul ou une table SQL, ou encore un dictionnaire d'objets Series. C'est généralement l'objet pandas le plus utilisé.
Un data frame est une structure bidimensionnelle. Cela signifie que les données sont alignées de façon tabulaire en colonnes et en lignes. Le format de ces structures est comparable aux dictionnaires Python. Les valeurs sont en effet les Séries tandis que les clés sont les noms des colonnes.
Pandas est une librairie python qui permet de manipuler facilement des données à analyser : manipuler des tableaux de données avec des étiquettes de variables (colonnes) et d'individus (lignes). ces tableaux sont appelés DataFrames, similaires aux dataframes sous R.
Pour créer une DataFrame avec des colonnes vides, il faut utiliser le paramètre "colums" dans le constructeur de la DataFrame. On peut alors indiquer une série contenant les colonnes désignées par leurs intitulés. Il est également possible d'utiliser des index plutôt que des colonnes pour contenir les données.
Afficher un échantillon du dataframe
On se contentera d'afficher juste un sous ensemble du dataframe en utilisant la fonction head (ou tail par symétrie). df_paris. head() par défaut retourne les 5 premières lignes.
La fonction tolist() est une méthode intégrée dans Pandas qui convertit un DataFrame en liste. Vous appelez simplement cette fonction sur votre DataFrame et elle renvoie une liste. Comme vous pouvez le voir, la fonction tolist() renvoie une liste de listes, où chaque liste interne correspond à une ligne du DataFrame.
Une colonne d'un data frame est une Series Pandas.
Par défaut si l'on a une DataFrame avec trop de colonnes, l'affichage de tous les noms de colonnes sera tronqué. Il faut faire une manipulation supplémentaire pour afficher tous les noms de colonnes. Pour obtenir les colonnes d'une DataFrame, on peut utiliser l'attribut "columns".
NumPy est très utile pour effectuer des calculs logiques et mathématiques sur des tableaux et des matrices. Cet outil permet d'effectuer ces opérations bien plus rapidement et efficacement que les listes Python. Les arrays NumPy présentent des avantages par rapport aux listes Python traditionnelles.
En langage Python, une librairie c'est un ensemble de fonctions, de classes d'objets et de constantes qui permettent de travailler sur un thème particulier. Il existe de très nombreuses bibliothèques Python, et c'est pour cela que c'est le langage de programmation le plus populaire (selon le classement Tiobe 2021).
Le langage Python permet non seulement de faire du développement pour des applications de Data Science liées au traitement de données, mais il permet aussi bien de faire du développement web ou du développement d'applications dans des domaines très variés.
La data est le carburant des applications analytics et des activités des entreprises. Assurer la qualité des données, c'est garantir des actions de vente et de fidélisation efficaces. La data quality permet également d'optimiser l'impact des campagnes marketing et RH.
Cela permet d'avoir accès à certaines informations clés sur différents aspects de la concurrence. La data constitue un des leviers de croissance des entreprises de toute taille. Ainsi, il est quasiment impossible de l'ignorer.
Le fonctionnement de Pandas repose sur les « DataFrames » : des tableaux de données en deux dimensions, dont chaque colonne contient les valeurs d'une variable et chaque ligne contient un ensemble de valeurs de chaque colonne. Les données stockées dans un DataFrame peuvent être des nombres ou des caractères.
La fonction "assign()" permet notamment de créer une nouvelle colonne. Vous pouvez utiliser une colonne de votre dataframe en paramètre. Une simple assignation de la nouvelle colonne permet également de la créer. Si vous ne voulez modifier qu'une valeur précise, vous pouvez utiliser la méthode "loc()".
La méthode « Iloc » permet aussi de filtrer une partie du DataFrame. En premier paramètre de la ligne 0 à la ligne 2. Puis en deuxième paramètre de la première colonne à la deuxième. Pour rappel les index commencent à 0.
La fonction append() dans Pandas DataFrame est utilisée pour ajouter des lignes d'autres objets DataFrame à la fin du DataFrame donné, renvoyant ainsi un nouvel objet DataFrame. Elle ne modifie pas le DataFrame original; à la place, un nouveau est créé qui inclut les données originales et ajoutées.
Une autre façon d'insérer une nouvelle colonne dans un DataFrame Pandas est d'utiliser la méthode insert . La méthode insert prend trois arguments : loc , column et value . loc est l'indice de la colonne où nous voulons insérer la nouvelle colonne.
La fonction Pandas permettant de faire une concaténation est la fonction concat . Pour concaténer plusieurs data frames, il suffit de placer l'ensemble de ceux-ci dans une liste, et d'utiliser la fonction concat sur cette liste. Le souci d'une concaténation, c'est qu'elle ne gère pas du tout les index par défaut.