Exercice 34 / 100

Pandas - filtres

Sélectionnez les étudiants avec note > 12

Filtrer un DataFrame = garder uniquement les lignes qui respectent une condition. Le principe est le même qu'un masque booléen NumPy.

Syntaxe

df[condition]

La condition est une expression qui renvoie une Series de booléens (un par ligne). Pandas garde les lignes True.

Filtre simple

bons = df[df['note'] > 12]

Décomposé

df['note']            →  la colonne note
df['note'] > 12       →  Series booléenne [True, False, True...]
df[ ... ]             →  garde les lignes où c'est True

Filtrer un DataFrame reprend le principe du masque NumPy : la condition rend une série de booléens, et pandas ne garde que les lignes vraies

Conditions multiples

&   ET (and)
|   OU (or)
~   NON (not)

Comme NumPy : utilise & | ~ et jamais and/or/not.

Parenthèses obligatoires autour de chaque condition.

# note > 12 ET ville == 'Paris'
df[(df['note'] > 12) & (df['ville'] == 'Paris')]

# ville Paris OU Lyon
df[df['ville'].isin(['Paris', 'Lyon'])]

# ville PAS Paris
df[df['ville'] != 'Paris']

Méthodes utiles pour filtrer

.isin([...]): vrai si la valeur est dans la liste
.between(a, b): vrai si entre a et b inclus

.str.contains('motif')   vrai si la chaîne contient le motif
.isna() / .notna()       valeurs manquantes / non manquantes

Exemple complet

df = pd.DataFrame({
    'nom': ['Alice','Bob','Charlie'],
    'note': [14, 11, 17]
})
bons = df[df['note'] > 12]
print(bons)
#       nom  note
# 0   Alice    14
# 2 Charlie    17

Le résultat est un nouveau DataFrame. L'original df n'est pas modifié.

exercise.py