La bibliothèque Pandas En Python

1 - introduction
Pandas est une bibliothèque Python open source sous licence BSD permettant de manipuler des
structures de données hautes performances et faciles à utiliser ainsi que des outils d'analyse de données
pour le langage de programmation Python. Python avec Pandas est utilisé dans un large éventail de
domaines, y compris les domaines académiques et commerciaux, financiers, économique, les
statistiques, l'analyse, etc... Dans ce cours, nous allons apprendre les différent principes
et fonctionnalités de Python Pandas et comment les utiliser en pratique.

2 - Installation de Pandas
Pandas n'est pas fournit avec le package standard de Python, cependant elle s'installe très facilement en
toute souplesse à l'aide de l'utilitaire pip:

pip install pandas

2 - Création d'une série avec Pandas

Pandas Series est un tableau étiqueté unidimensionnel capable de contenir des données de tout
type (entier, chaîne, flottant, objets python, etc.). Les étiquettes d'axe sont appelées
collectivement index.
2.1 - Création d'une série vide
Un premier exemple de série pandas est la série vide:

Exemple
# -*- coding: utf-8 -*-
# importation de pandas en tant que pan
import pandas as pan
# Création de séries vides
ser = pan.Series()
print(ser)

La sortie est : Série ([], dtype: float64)

2.2 - Création d'une série à partir d'un tableau

Afin de créer une série à partir d'un tableau, nous devons importer le module numpy et utiliser la méthode
numpy.array().

Exemple
# importation de pandas as pan
import pandas as pan

# importation de numpy as np
import numpy as np

# tableau simple
data = np.array (['P', 'y', 't', 'h', 'o' , 'n'])

s = pan.Series(data)
print(s)

La sortie est:

0 P
1 y
2 t
3 h
4 o
5 n
dtype: object
2.3 - Création d'une série à partir d'un tableau avec index
Afin de créer une série à partir d'un tableau avec index, nous devons fournir à index le même nombre d'éléments
que dans le tableau.

Exemple
# importation de pandas as pan
import pandas as pan

# importation de numpy as np
import numpy as np

# tableau simple
data = np.array (['p', 'y', 't', 'h', 'o' , 'n'])

# fournir un index
s = pan.Series (data, index = [4, 7, 8, 9, 13 , 17])
print(s)

La sortie est :
4 p
7 y
8 t
9 h
13 o
17 n
dtype: object

2.4 - Création d'une série à partir d'un Scalaire

Si les données sont une valeur scalaire, un index doit être fourni. La valeur sera répétée pour correspondre à la
longueur de l'index

Exemple
#import the pandas library as pan
import pandas as pan
import numpy as np
s = pan.Series(7, index=[1, 2, 3, 4, 5])
print(s)

La sortie est la suivante:

1 7
2 7
3 7
4 7
5 7
dtype: int64
2.5 - Création d'une série à partir d'un dictionnaire
Afin de créer une série à partir d'un dictionnaire, nous devons d'abord créer un dictionnaire après quoi nous
pouvons créer une série. Les clés de dictionnaire sont utilisées pour construire un index.

# coding: utf-8
import pandas as pan
# exemple de dictionnaire
dict = {'Laptop' : 17,
'Ipad' : 15,
'Tablette' : 25}

# Créer une série à partir du dictionnaire

s = pan.Series(dict)
print(s)

Ce qui affiche:
Laptop 17
Ipad 15
Tablette 25
dtype: int64

4 - Accès aux données d'une série Pandas

On peut accéder aux données à partir d'un index facilement en spécifiant la position entre crochets.

Exemple
# coding: utf-8
import pandas as pan
s = pan.Series([0, 1, 2, 3],index = ['a','b','c','d'])

#extraire le deuxième élément

print(s[1])
# Affiche 1

Ou encore :

Exemple: extraire l'élément avec son index

# coding: utf-8
import pandas as pan
s = pan.Series([0, 1, 2, 3],index = ['a','b','c','d'])

#extraire le deuxième élément

print(s[[1]])

Ce qui affiche à la sortie:

b1
dtype: int64
Exemple: extraire les données depuis un index début jusqu'à un index fin
# coding: utf-8
import pandas as pan
s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])

#extraire depuis l'index 2 jusqu'à l'index 4

print(s[2:4])

La sortie est:
c 2
d 3
dtype: int64

Exemple: extraction des données à partir d'étiquette

# coding: utf-8
import pandas as pan
s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])

#extraire le deuxième élément

print(s['d'])
print(s[['d']])

Ce qui affiche:
3
d 3
dtype: int64

Ou encore

Exemple
# coding: utf-8
import pandas as pan
s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])

#extraire le deuxième élément

print(s[['a' , 'e' , 'd']])
Ce qui affiche:

a 0
e 4
d 3
dtype: int64
5 - Python DataFrame Pandas

5.1 - DataFrame à partir d'un dictionnaire

un dataframe Pandas est un type de donnée similaire à un dictionnaire où les clefs sont utilisés pour
représenter les noms des colonnes et les valeurs sont représentés par des séries. Pour faire simple, nous
allons traiter un exemple concret:
Nous souhaitons à titre d'exemple, représenter la table données suivante à l'aide d'un dataframe:

Nous commençons par convertir la table des données en un dictionnaire:

dictData = {'ID' : [1, 2, 3] ,

'Nom': ['Natalie', 'Robert', 'Bernard'],
'Age': [22, 37, 29],
'Taille': [170, 190, 181]}
Nous faisons ensuite l'instanciation sur la classe DataFrame:

df = pandas.DataFrame(dictData)

Code final
import pandas as pan

dictData = {'ID' : [1, 2, 3] ,

'Nom': ['Natalie', 'Robert', 'Bernard'],
'Age': [22, 37, 29],
'Taille': [170, 190, 181]}
df = pan.DataFrame(dictData)
print(df)

Voici comment s'affichent les données:

5.2 - DataFrame à partir d'un tableau numpy
Reprenons l'exemple du paragraphe précédent. Les données du tableau peuvent être représentées par un
tableau numpy:

ar = numpy.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])

Et on crée ensuite le dataframe en utilisant la liste des noms des colonnes:

df = pan.DataFrame(ar, columns = ['ID', 'Nom', 'Age', 'Taille'])

Code final
import pandas as pan
import numpy as np
ar = np.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])
df = pan.DataFrame(ar, columns = ['ID', 'Nom', 'Age', 'Taille'])
print(df)

On souhaite parfois afficher les données de certaines colonnes seulement:

Exemple: affichage des colonnes Nom et Age

import pandas as pan
import numpy as np
ar = np.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])
df = pan.DataFrame(ar, columns = ['ID', 'Nom', 'Age', 'Taille'])
print(df[['Nom', 'Age']])

La sortie est: