Exercice 68 / 100

Pandas — GroupBy

Agrège des données avec groupby()

groupby est l'opération la plus puissante de pandas. Modèle split-apply-combine :

SPLIT   : regrouper les lignes par valeur(s) d'une (ou plusieurs) colonne(s)
APPLY   : appliquer une fonction (mean, sum, custom...) à chaque groupe
COMBINE : assembler le résultat

Forme de base

df.groupby('dept')['salaire'].mean()

Renvoie une Series indexée par les valeurs de 'dept'.

groupby ne calcule rien tout seul : il découpe les lignes par valeur, attend l'agrégation qui s'applique à l'intérieur de chaque groupe, puis assemble les résultats en un seul objet

Agrégations courantes

.sum() .mean() .median() .std() .var()
.min() .max() .count() .size()
.first() .last() .nunique()

.agg('mean'): équivalent

Différence count vs size :

count : nb de valeurs NON-nulles
size  : nb total de lignes (NaN inclus)

Plusieurs agrégations

# Plusieurs fonctions sur une colonne
df.groupby('dept')['salaire'].agg(['mean', 'min', 'max'])

# Différentes fonctions par colonne
df.groupby('dept').agg({'salaire': ['mean', 'max'], 'bonus': 'sum'})

# Renommer le résultat (named aggregation)
df.groupby('dept').agg(
    salaire_moyen=('salaire', 'mean'),
    bonus_total=('bonus', 'sum'),
)

Groupby multiple

df.groupby(['dept', 'ville'])['salaire'].mean()
# → Series avec MultiIndex (dept, ville)

.unstack(): transforme un niveau d'index en colonnes (pratique pour visualiser)

Reset_index pour récupérer un DataFrame plat

df.groupby('dept')['salaire'].mean().reset_index()
# → DataFrame avec 2 colonnes (dept, salaire) au lieu d'une Series

Exemple complet

df = pd.DataFrame({
    'dept':    ['Tech','RH','Tech','Finance','RH','Tech'],
    'salaire': [55000, 42000, 62000, 58000, 45000, 47000],
    'bonus':   [5000, 3000, 7000, 4000, 3500, 4500]
})

print(df.groupby('dept')['salaire'].mean())
# dept
# Finance    58000.0
# RH         43500.0
# Tech       54666.6...

print(df.groupby('dept').agg({'salaire': ['mean', 'max'], 'bonus': 'sum'}))

groupby est paresseux : groupby() ne calcule rien tant qu'on n'appelle pas une agrégation. Cela permet d'enchaîner des opérations efficacement.

exercise.py