Exercice 66 / 100

Pandas — Filtrage avancé

ConsigneFiltre un DataFrame avec des conditions complexes

📖 Cours

Filtrer un DataFrame avec plusieurs conditions est un cas extrêmement courant. Rappel des outils.

Une condition simple

df[df['dept'] == 'Tech']df[df['salaire'] > 50000]

Plusieurs conditions

& ET| OU~ NON

Parenthèses obligatoires :

df[(df['salaire'] > 50000) & (df['experience'] > 3)] ✅

df[df['salaire'] > 50000 & df['experience'] > 3] ❌ priorité de &

Dans un masque, jamais and / or / not (ce sont des opérateurs sur les booléens, pas sur les Series). À l'intérieur d'un .query(), au contraire, ce sont eux qu'on écrit (voir plus bas).

Méthodes utiles

.isin([...]): valeur dans la liste

df[df['dept'].isin(['Tech', 'Finance'])]

.between(a, b): entre a et b (inclusif par défaut)

df[df['salaire'].between(40000, 60000)]

.str.contains('motif')     pour les colonnes texte (regex possible)   df[df['email'].str.contains('@beauvoir', na=False)]

.str.startswith('A').str.endswith('.com')

.isna() / .notna() NaN ou pas df[df['salaire'].notna()]

À chaque forme de recherche sa méthode toute faite : une liste de valeurs avec isin, un intervalle avec between, un motif de texte avec str.contains, et notna pour ne garder que ce qui est rempli

.query() : syntaxe en string

Alternative parfois plus lisible quand les noms sont simples :

df.query('salaire > 50000 and experience > 3')df.query('dept in ["Tech", "Finance"]')

Exemple complet

df = pd.DataFrame({    'employe':   ['Alice','Bob','Charlie','Diana','Eve'],    'dept':      ['Tech','RH','Tech','Finance','Tech'],    'salaire':   [55000, 42000, 62000, 58000, 47000],    'experience':[3, 5, 8, 4, 2]})

tech = df[df['dept'] == 'Tech']seniors = df[(df['salaire'] > 50000) & (df['experience'] > 3)]multi = df[df['dept'].isin(['Tech','Finance'])]

.str.contains et .isin sont les deux méthodes les plus puissantes pour filtrer du texte ou des catégories sans écrire d'expressions à rallonge.