Exercice 33 / 100

Pandas - DataFrame

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

📖 Cours

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 : ici du texte, des entiers, du texte

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 colonnesdf.dtypes          # type de chaque colonnedf.head()          # 5 premières lignesdf.tail(3)         # 3 dernières lignesdf.info()          # résumé (types, non-null, mémoire)df.describe()      # stats descriptives des colonnes numériquesdf['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 CSVpd.read_excel('fichier.xlsx')     # depuis un Excelpd.read_json('fichier.json')      # depuis JSONpd.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.