Exercice 33 / 100

Pandas - DataFrame

Créez un DataFrame de 3 étudiants (nom, note, ville)

Pandas est LA bibliothèque pour manipuler des données tabulaires (genre Excel ou sql) en Python. L'objet central est le DataFrame.

Installation : pip install pandas Import conventionnel :

import pandas as pd

Qu'est-ce qu'un DataFrame ?

Un DataFrame est un tableau 2D :

- colonnes nommées (comme une table SQL)
- lignes indexées (par défaut : 0, 1, 2, ...)
- chaque colonne peut avoir un type différent (int, str, float, bool, datetime...)

Un DataFrame est un tableau à colonnes nommées, chacune pouvant porter son propre type, et à lignes numérotées à partir de zéro

Créer un DataFrame depuis un dict

Dans le dict, chaque clé est un nom de colonne, chaque valeur une liste = la colonne :

data = {
    'nom': ['Alice', 'Bob', 'Charlie'],
    'note': [14, 11, 17],
    'ville': ['Paris', 'Lyon', 'Marseille']
}
df = pd.DataFrame(data)

print(df)
#       nom  note      ville
# 0   Alice    14      Paris
# 1     Bob    11       Lyon
# 2 Charlie    17  Marseille

Explorer un DataFrame

df.shape           # (lignes, colonnes) — ex (3, 3)
df.columns         # noms des colonnes
df.dtypes          # type de chaque colonne
df.head()          # 5 premières lignes
df.tail(3)         # 3 dernières lignes
df.info()          # résumé (types, non-null, mémoire)
df.describe()      # stats descriptives des colonnes numériques
df['note']         # accéder à une colonne (renvoie une Series)
df[['nom','note']] # accéder à plusieurs colonnes (renvoie un DataFrame)

Autres sources courantes

pd.read_csv('fichier.csv')        # depuis un CSV
pd.read_excel('fichier.xlsx')     # depuis un Excel
pd.read_json('fichier.json')      # depuis JSON
pd.read_sql(query, connexion)     # depuis une base SQL

Quand tu touches à des données tabulaires (csv, base de données, Excel), pandas est presque toujours le bon choix.

exercise.py