Exercice 63 / 100

Pandas — Sélection

Sélectionne des lignes et colonnes avec loc et iloc

Pour accéder à des sous-ensembles d'un DataFrame, on a plusieurs syntaxes. Les deux outils principaux sont .loc et .iloc.

Sélection de colonnes

df['age']: une colonne → Series

df[['nom', 'age']]      plusieurs colonnes → DataFrame (DOUBLES CROCHETS)
df.age                  équivalent à df['age'] (à éviter si nom de col ambigu)

.loc : sélection par LABEL

Syntaxe : df.loc[lignes, colonnes]

df.loc[0]                      ligne avec label 0
df.loc[0, 'nom']               cellule (ligne 0, colonne 'nom')
df.loc[:, 'nom']               toute la colonne 'nom'
df.loc[0:2]                    lignes 0, 1, 2 (INCLUSIF !)
df.loc[0:2, ['nom','age']]
df.loc[df['age'] > 25]         filtrage par condition

Avec .loc, la fin est incluse (différent du slicing Python classique).

.iloc : sélection par POSITION

Syntaxe : df.iloc[indices_lignes, indices_colonnes]

df.iloc[0]                     première ligne (position 0)
df.iloc[0, 1]                  cellule (ligne 0, colonne 1)
df.iloc[0:2]                   lignes 0 et 1 (EXCLUSIF, comme Python)
df.iloc[-1]                    dernière ligne
df.iloc[:, [0, 2]]             colonnes 0 et 2

Filtrage booléen

df[df['age'] > 25]                                   # une condition
df[(df['age'] > 25) & (df['ville'] == 'Paris')]      # deux conditions
df[df['ville'].isin(['Paris', 'Lyon'])]               # appartenance
df.loc[df['age'] > 25, ['nom', 'score']]              # filtre + colonnes

Chaque condition désigne un ensemble de lignes : & garde celles qui sont dans les deux à la fois, | garde celles qui sont dans l'un ou dans l'autre

Exemple complet

df = pd.DataFrame({
    'nom':   ['Alice', 'Bob', 'Charlie'],
    'age':   [25, 30, 35],
    'score': [85, 92, 78]
})

df['age']                  # colonne age
df.iloc[0]                 # première ligne
df[df['age'] > 25]         # filtre
df.loc[1, 'nom']           # 'Bob'

Règle simple : utilise .loc avec des noms (et conditions), .iloc avec des indices entiers. Les deux ensemble couvrent tous les besoins.

exercise.py