Manipulation des tableaux de données avec la bibliothèque Pandas

Création d’un Dataset

A partir de tableaux Numpy

import pandas as pd
import numpy as np  

np.random.seed(42)
data = np.random.randint(0,50,(4,12)) # création d'un array (4,12), valeurs entières aléatoires entre 0 et 50  
print(data)

[[38 28 14 42  7 20 38 18 22 10 10 23]
 [35 39 23  2 21  1 23 43 29 37  1 20]
 [32 11 21 43 24 48 26 41 27 15 14 46]
 [43  2 36  6 20  8 38 17  3 24 13 49]]

nb_fruits_df = pd.DataFrame(data=data)
print(type(nb_fruits_df))
print(nb_fruits_df)

<class 'pandas.core.frame.DataFrame'>
    0   1   2
0  38  28  14
1  42   7  20
2  38  18  22
3  10  10  23

fruits = ['pommes','poires','fraises', 'bananes']
col = ['janvier', 'fevrier', 'mars', 'avril', 'mai', 'juin', 'juillet', 'aout', 'septembre', 'octobre', 'novembre', 'decembre']

nb_fruits_df = pd.DataFrame(data=data, index=fruits, columns=col)
nb_fruits_df

nb_fruits_df.info()

<class 'pandas.core.frame.DataFrame'>
Index: 4 entries, pommes to bananes
Data columns (total 12 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   janvier    4 non-null      int64
 1   fevrier    4 non-null      int64
 2   mars       4 non-null      int64
 3   avril      4 non-null      int64
 4   mai        4 non-null      int64
 5   juin       4 non-null      int64
 6   juillet    4 non-null      int64
 7   aout       4 non-null      int64
 8   septembre  4 non-null      int64
 9   octobre    4 non-null      int64
 10  novembre   4 non-null      int64
 11  decembre   4 non-null      int64
dtypes: int64(12)
memory usage: 416.0+ bytes

A partir d’un dictionnaire

data_d = {}
fruits = ['pommes','poires','fraises', 'bananes']
for fruits,fruits_data in zip(fruits,data) :
  data_d[fruits] = fruits_data
data_d

{'pommes': array([38, 28, 14, 42,  7, 20, 38, 18, 22, 10, 10, 23]),
 'poires': array([35, 39, 23,  2, 21,  1, 23, 43, 29, 37,  1, 20]),
 'fraises': array([32, 11, 21, 43, 24, 48, 26, 41, 27, 15, 14, 46]),
 'bananes': array([43,  2, 36,  6, 20,  8, 38, 17,  3, 24, 13, 49])}

nb_fruits_df = pd.DataFrame.from_dict(data_d,orient='index')
nb_fruits_df

nb_fruits_df = pd.DataFrame.from_dict(data_d,orient='index',columns=col)
nb_fruits_df

A partir d’un fichier CSV

nb_fruits.csv

nb_fruits_df2 = pd.read_csv('nb_fruits.csv')
nb_fruits_df2

Opérations sur les Datasets

Sélection de Colonnes

# Sélection d'une seule colonne  

nb_fruits_df['juillet']

pommes     38
poires     23
fraises    26
bananes    38
Name: juillet, dtype: int64

# Sélection de plusieurs colonnes

nb_fruits_df[['juillet', 'aout']] # on passe la liste de toutes les colonnes à sélectionner  

Sélection de Lignes

# iloc : index ( numérique ) des lignes   
rows = nb_fruits_df.iloc[[0,1]] # lignes 0 et 1
rows

# loc : étiquettes des lignes  

rows = nb_fruits_df.loc[['fraises','pommes']] # lignes 0 et 1
rows

Sélection de Lignes et de Colonnes

ss_ens = nb_fruits_df.iloc[ :,[2,3]] # toutes les lignes des colonnes 2 et 3
ss_ens

ss_ens = nb_fruits_df.iloc[[0,3],[2,3]] # lignes 0 et 3 des colonnes 2 et 3
ss_ens

ss_ens = nb_fruits_df.loc[['pommes', 'poires'],['novembre', 'fevrier']]
ss_ens