Commencez par comprendre les formats large et long et les avantages de chacun. Vous apprendrez ensuite à pivoter des données d’un format long vers un format large et à obtenir des statistiques récapitulatives à partir d’un vaste DataFrame.

Formats de données larges et longs

Le long et le large

Inverser les joueurs

Restructurer avec la méthode pivot

Dribbler avec la méthode pivot

Joueur offensif ou défensif ?

Rejouez ce dernier coup !

Tableaux croisés

Révision des mouvements

Exploration du grand match

Les plus grands et les plus lourds

Introduction au remodelage des données

Maîtrisez la technique de transformation des DataFrames du format large au format long. Dans ce chapitre, vous verrez comment utiliser la méthode melt et la fonction wide_to_long, puis comment gérer les colonnes de chaînes en les concaténant ou en les scindant.

Restructurer avec melt

Époque gothique

La note ne fait pas tout

Frankenstein, Dorian Gray : quels points communs ?

Fonction wide_to_long

L’âge d’or

Décrypter le code

À vous de lire, Katniss !

Travailler avec des colonnes de chaînes de caractères

Avez-vous dit dystopie ?

Quelle est votre note, Harry ?

Elémentaire, mon cher Watson !

Conversion entre formats large et long

Dans ce chapitre, vous allez renforcer vos compétences en manipulation de données grâce à l’indexation multi-niveaux. Vous apprendrez à remodeler des DataFrames en déplaçant des niveaux d’index de lignes vers l’axe des colonnes, et inversement. Vous développerez aussi les compétences nécessaires pour gérer les valeurs manquantes générées lors des opérations d’empilement et de dés-empilement.

Empiler des DataFrames

Empilez les appels !

Index d’annuaire téléphonique

Envoyez-moi un texto !

Désimbriquer des DataFrames

Appels internationaux

Rappelez à un autre moment

Organiser votre messagerie vocale

Travailler avec plusieurs niveaux

Changez de carte SIM

Trop d’appels

Gérer les données manquantes

Un appel manqué

Ne laissez pas tomber la pile

Empiler et dés-empiler des DataFrames

Pour terminer, vous apprendrez à combiner le remodelage avec des groupements pour manipuler rapidement les données. Enfin, vous découvrirez comment transformer des colonnes de type liste et gérer des données imbriquées complexes, telles que des fichiers JSON imbriqués.

Restructurer et combiner des données

Moins de fast-food, s’il vous plaît !

Toujours à la hausse

Une analyse par groupe

Transformer une colonne de type liste

Fusionnez le tout

Exploser les bornes

Le bon vieux split

Lire des données imbriquées dans un DataFrame

Films imbriqués

Un film complexe

Gérer des colonnes de données imbriquées

Dénormaliser les oiseaux

Ne jetez pas l’oiseau

La transformation finale

Remodelage avancé

Customer churn data

Books data

FIFA players data

Obesity data

Les données sont souvent lisibles par des humains, mais peu adaptées à l’analyse. C’est là que pandas intervient : un outil puissant pour remodeler des DataFrames en différents formats. Dans ce cours, vous développerez vos compétences de data scientist et d’analyste en apprenant à manipuler des colonnes de chaînes de caractères et des données imbriquées dans un DataFrame. Vous travaillerez sur des données réelles, notamment des notes de joueurs FIFA, des critiques de livres et des données d’analyse de churn, tout en apprenant à passer d’un format large à un format long, à empiler et dés-empiler des lignes et des colonnes, et à obtenir des statistiques descriptives sur un DataFrame à multi-index.

Data Manipulation with pandas

Réorganisez les DataFrames de large à long, empilez/dépilez lignes/colonnes, gérez multi-index.

Reconfigurer les données avec pandas

Remodelez les DataFrame d'un format large à long, empilez et désempilez les lignes et colonnes, et manipulez les DataFrame multi-index.

Travailler avec plusieurs niveaux

Create Your Free Account