Scribd Logo
Importer

Bienvenue sur Scribd !

  • 63 vues

    Fonctions Pandas

    Transféré par

    Petit Moafo
    Présentation des principales fonctions de la bibliothèque Pandas pour la manipulation et l'analyse des données en Python. Le document décrit les fonctions d'importation, d'exploration, de nettoyage et de filtrage des données.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd

    Fonctions Pandas

    Transféré par

    Petit Moafo
    63 vues44 pages
    Présentation des principales fonctions de la bibliothèque Pandas pour la manipulation et l'analyse des données en Python. Le document décrit les fonctions d'importation, d'exploration, de nettoyage et de filtrage des données.

    Titre original

    FONCTIONS PANDAS

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PPTX, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Présentation des principales fonctions de la bibliothèque Pandas pour la manipulation et l'analyse des données en Python. Le document décrit les fonctions d'importation, d'exploration, de nettoyage et de filtrage des données.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pptx, pdf ou txt
    63 vues44 pages

    Fonctions Pandas

    Transféré par

    Petit Moafo
    Présentation des principales fonctions de la bibliothèque Pandas pour la manipulation et l'analyse des données en Python. Le document décrit les fonctions d'importation, d'exploration, de nettoyage et de filtrage des données.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pptx, pdf ou txt
    Vous êtes sur la page 1sur 44

    Présentation des fonctions de la

    bibliothèque PANDAS
    HN3 DATA-SCIENCE

    Fait et présenté par :


    NANKENG DAMESSE
    NFONYELE FRANZ
    DONGMO CHELSIE

    ANNEE ACADEMIQUE: 2022-2023 Superviseur: Monsieur ALAIN WANDJI


    IMPORTATION DES DONNEES
    01

    EXPLORATION DES DONNEES


    02

    NETTOYAGE DES DONNEES


    03

    FILTRAGE DES DONNEES

    Sommaire 04
    Origine Définition
    Le nom « Pandas » est en fait la
    Bibliothèque écrite pour le
    contraction du terme « Panel
    langage python permettant la
    Data » désignant les ensembles
    manipulation été l’analyse des
    de données incluant des
    données
    observations sur de multiples
    périodes temporelles.

    Manipulation Type
    Pandas manipule les données Qualitatif et quantitatif
    sous forme de data frame .
    pd.read_csv()

    1-FONCTIONS D’IMPORTATION
    Lire un fichier d’extension
    pd.read_csv() CSV
    lire les données sous formes
    pd.read_table() de fichier texte comme TSV
    lire un fichier d’extension
    pd.read_excel() xlsx
    lire les données d’une table
    pd.read_sql[(query,connection_objet)
    SQL/base de données
    lire les données d’un fichier
    pd.read_json(json_string) json
    Convertir le dictionnaire en
    pd.read_DataFrame(dict) dataframe
    récapitulatifs
    Import pandas as pd
     pd.read_csv() = lire un fichier CSV
    pd.read_table() = lire les données sous formes de fichier
    texte comme TSV
    pd.read_excel() = lire les données sous formes de fichier
    Excel;
    pd.read_sql[(query,connection_objet) = lire les données du
    table SQL/base de données
    pd.read_json(json_string) = lire les données d un fichier
    json
    pd.read_DataFrame(dict) = depuis un dictionnaire, les
    données sont sous formes de ligne et de colonnes
    pd.read_csv()

    2-FONCTIONS D’EXPLORATION
     donne le type de donnée
    df.info()
    Donne une vue statistique
    df.describe() d’ensemble
    Donne les n premières ligne
    df.head(n) s du dataframe
    Donne les n dernières lignes
    df.tail() du dataframe
    Donne la moyenne
    df.mean()
    Donne la corrélation entre
    df.corr() les variables
    Donne la valeur minimale
    df.min() ,df.max() et la valeur maximale des
    variables
    Affiche le nombre de
    df.count() valeurs non nulles
    Affiche une colonne
    df.[col_name] particulière
    Faire des sélections sur des
    df.query(condition) colonnes
    df.loc[(df[‘cond1']) & (df[‘cond2'])] Affiche une colonne
    particulière
    RECAPITULATIFS

     df.shape() : donne le nombre de ligne et de colonne du dataframe


     df.info() :donne le type de donnée
     df.describe() :donne une vue statistique d’ensemble
     df.head(n): afficher les n premiers éléments du dataframe
     df.tail() affiche les n derniers éléments du dataframe
     df.mean() : donne la moyenne de chaque colonnes
     df.std() : retourne une division standard de chaque colonnes
     df.corr() : vérifier la corrélation entre les variables
     df.min() :valeurs minimale de chaque colonnes
     df.max(): valeurs maximale de chaque colonnes
     df.count() :affiche le nombre de valeurs non nulles
     df[col_name] : affiche une colonne particulière
    pd.read_csv()

    3-FONCTIONS DE NETTOYAGE
    Supprimer une colonne
    df=df.drop(columns=nom_col) particulière
    Affiche les valeurs
    df.isnull(axis=0) manquantes
    Supprimer les valeurs
    df.dropna(condition) manquantes
    df=nom.rename(columns={old_name:new_name})
    Permet de renommer
    les noms de certaines
    colonnes
    Remplacer toutes les
    df.fillna() valeurs manquantes
    Remplacer toutes les
    G.df.fillna(G.mean()) valeurs nulles par la
    moyenne d’une colonne
    précise
    Convertir les données a un
    df.astype(type) type quelconque
    Remplacer les valeurs par
    df.replace( ancien, nouveau) des valeurs quelconques
    Création aléatoire des
    df.(np.random.rand(n,m)) valeurs
    Permet de joindre plusieurs
    df. = pd.concat([col_name], axis=1) colonnes en mentionnant
    leur noms
    Jointure avec même
    df.append() nombres de colonnes
    Jointure par rapport aux
    df.concat([df1, df2], axis=1) lignes
    pd.read_csv()

    4-FONCTIONS DE FILTRAGE
    Permet de faire des
    df.[ df[col]restriction) restrictions sur une colonne
    précise
    Classer les valeurs selon
    df.sort_values(col1) une colonne précise
    Faire un tri selon une
    df.sort_values(‘col', ascendant=False)
    direction ascendante
    Filtrage des valeurs de la
    df.sort_values(['Age','Pclass'],
    colonne Age de façon
    ascending=[True,False]) ascendante et de la colonne
    Pclass de façon descendante
    Création d’une nouvelle
    df.assign(col_name = function) colonne
    THANK YOU

    Vous aimerez peut-être aussi