Maîtrisons les bases de pandas. Apprenez à inspecter des DataFrames et à réaliser des manipulations essentielles : trier des lignes, faire des sous-ensembles et ajouter de nouvelles colonnes.

Présentation des DataFrames

Inspection d'un DataFrame

Éléments d'un DataFrame

Tri et sous-ensemble

Tri des lignes

Création de sous-ensemble de colonnes

Création de sous-ensemble de lignes

Création de sous-ensemble de lignes par variables catégorielles

Nouvelles colonnes

Ajout de nouvelles colonnes

Attaque combinée !

Transformer des DataFrames

Dans ce chapitre, vous calculerez des statistiques récapitulatives sur les colonnes d'un DataFrame et vous apprendrez à maîtriser les statistiques groupées et les tableaux croisés dynamiques (pivot tables).

Statistiques récapitulatives

Moyenne et médiane

Récapitulatif des dates

Des récapitulatifs efficaces

Statistiques cumulatives

Comptage

Suppression des doublons

Comptage des variables catégorielles

Statistiques récapitulatives groupées

Quel est le pourcentage des ventes réalisées dans chaque type de magasin ?

Calculs avec .groupby()

Plusieurs récapitulatifs groupés

Tableaux croisés dynamiques

Faire un tri croisé sur une variable

Compléter les valeurs manquantes et additionner les valeurs à l'aide de tableaux croisés dynamiques

Agrégation de DataFrames

Les index sont des noms de lignes et de colonnes surpuissants. Découvrez comment les combiner avec le découpage (slicing) pour créer des sous-ensembles de DataFrame très efficaces.

Index explicites

Mise en place et suppression d'index

Création de sous-ensemble avec .loc[]

Mise en place d'index multiniveaux

Tri par valeurs d'index

Découpage et sous-ensemble avec .loc et .iloc

Découpage des valeurs d'index

Découpage dans les deux sens

Découpage de séries temporelles

Création de sous-ensemble par numéro de ligne/colonne

Travailler avec des tableaux croisés dynamiques

Faire un tri croisé sur la température par ville et par année

Créer des sous-ensembles de tableaux croisés dynamiques

Calcul sur un tableau croisé dynamique

Découper et indexer des DataFrames

Apprenez à visualiser le contenu de vos DataFrames, à gérer les valeurs manquantes et à importer ou exporter des données vers des fichiers CSV.

Visualiser vos données

Quelle est la taille d'avocat la plus plébiscitée ?

Évolution des ventes dans le temps

Offre et demande d'avocats

Prix des avocats conventionnels et biologiques

Valeurs manquantes

Recherche de valeurs manquantes

Suppression des valeurs manquantes

Remplacement des valeurs manquantes

Création de cadres de données

Liste de dictionnaires

Dictionnaire de listes

Lire et écrire des fichiers CSV

CSV vers DataFrame

DataFrame vers CSV

Conclusion

Créer et visualiser des DataFrames

Vous apprendrez à analyser des données selon plusieurs dimensions à la fois, ce qui vous permettra de découvrir des tendances subtiles en décomposant vos synthèses selon plusieurs catégories simultanément.

Plusieurs colonnes de regroupement

Vous apprendrez à ventiler les statistiques descriptives par catégories, ce qui vous permettra de comparer des métriques entre différents groupes et de découvrir des schémas dans vos données.

Une seule colonne de regroupement

Vous apprendrez à résumer des données en calculant des statistiques clés telles que les totaux, les moyennes et les comptages, vous permettant ainsi d'extraire des informations pertinentes à partir de données brutes.

Valeurs de synthèse

Agrégation de données

Vous apprendrez à gérer des calculs en plusieurs étapes et à calculer des pourcentages sur des totaux, vous permettant ainsi de construire des métriques complexes dépendant de résultats intermédiaires.

Transformations complexes

Vous apprendrez à créer de nouvelles colonnes en combinant et en calculant des valeurs à partir de données existantes, vous permettant ainsi d'obtenir des ratios et d'autres métriques non disponibles dans le jeu de données d'origine.

Transformations de base

Transformation des données

Vous apprendrez à extraire des lignes spécifiques de vos données en fonction de conditions, ce qui vous permettra de concentrer votre analyse sur des sous-ensembles pertinents et de gérer les valeurs manquantes ainsi que les motifs textuels.

Filtrage de base

Vous apprendrez à filtrer des données à l'aide de plusieurs critères simultanément, ce qui vous permettra d'extraire précisément les lignes dont vous avez besoin en combinant des conditions avec la logique AND et OR.

Conditions multiples

Vous apprendrez à simplifier les filtrages complexes en décomposant les conditions dans des colonnes distinctes, et à extraire l'inverse d'un résultat de filtre, rendant ainsi votre analyse plus transparente et vérifiable.

Filtrage complexe

Filtrage des données

Vous apprendrez à appliquer différents calculs basés sur des conditions spécifiques, vous permettant ainsi de normaliser les valeurs, de classer les données en catégories et de gérer divers scénarios au sein de vos données.

Transformation conditionnelle

Vous apprendrez à calculer des résumés incluant uniquement les valeurs répondant à des critères spécifiques, vous permettant ainsi de calculer des métriques nuancées telles que la « moyenne des vols retardés uniquement » au sein de chaque groupe.

Agrégation conditionnelle

Opérations conditionnelles

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas est la bibliothèque Python la plus populaire au monde, utilisée pour tout, de la manipulation à l'analyse de données. Dans ce cours, vous apprendrez à manipuler des DataFrames en extrayant, filtrant et transformant des jeux de données réels pour l'analyse. Avec pandas, vous explorerez tous les concepts essentiels de la data science. À partir de données réelles, notamment les ventes de Walmart et des séries temporelles de températures mondiales, vous apprendrez à importer, nettoyer, calculer des statistiques et créer des visualisations — en utilisant pandas pour décupler la puissance de Python !

Les vidéos contiennent des transcriptions en direct, accessibles en cliquant sur "Show transcript" en bas à gauche des vidéos.

Le glossaire du cours se trouve à droite, dans la section Ressources.

Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur l'encart relatif aux crédits CPE sur la droite.

pandas est la bibliothèque Python la plus populaire au monde, utilisée pour tout, de la manipulation de données à l’analyse de données. Dans ce cours, avec un Tuteur IA à vos côtés, vous apprendrez à manipuler des DataFrames, en agrégeant, filtrant et transformant des jeux de données réels pour l'analyse. Avec pandas, vous explorerez toutes les opérations essentielles de manipulation de données en Data Science.

<h2>Manipulation de données avec pandas</h2>
pandas est la bibliothèque Python la plus populaire au monde, utilisée pour tout, de la manipulation des données à l'analyse des données. Dans ce cours, vous apprendrez à manipuler les DataFrames, en extrayant, filtrant et transformant des ensembles de données du monde réel à des fins d'analyse. 
<br><br>
En utilisant pandas, vous explorerez tous les concepts de base de la science des données. À l'aide de données réelles, notamment les chiffres de vente de Walmart et les séries chronologiques des températures mondiales, vous apprendrez à importer, nettoyer, calculer des statistiques et créer des visualisations, en utilisant pandas pour accroître la puissance de Python.
<br><br>
<h2>Travaillez avec pandas Data pour explorer les concepts de base de la science des données</h2>
Vous commencerez par maîtriser les bases de pandas, y compris la façon d'inspecter les DataFrames et d'effectuer quelques manipulations fondamentales. Vous apprendrez également à agréger des DataFrames, avant de passer au découpage et à l'indexation. 
<br><br>
Vous terminerez le cours en apprenant à visualiser le contenu de vos DataFrames, en travaillant avec un ensemble de données qui contient les ventes hebdomadaires d'avocats aux États-Unis. 
<br><br>
<h2>Apprenez à manipuler les DataFrames</h2>
En suivant ce cours sur pandas, vous comprendrez comment utiliser cette bibliothèque Python pour manipuler des données. Vous comprendrez les DataFrames et comment les utiliser, et vous serez capable de visualiser vos données en Python.

Intermediate Python

Ce cours sur pandas vous apprend à manipuler des DataFrames pour analyser des ensembles de données.

Manipulation des données avec pandas

Apprenez à importer et nettoyer des données, calculer des statistiques et créer des visualisations avec pandas. 

Conclusion

Create Your Free Account