data-science

Bienvenu dans ce tutorie, aucours duquel nous allons découvrir la librairie pandas qui est l'une des libraire les plus importantes en python, lorsque nous voulons découvrir la data science. Avec cette librairie nous pouvons faire tout ce dont nous pouvons imaginer en data science en python:

• charger les données
  • csv
  • excel
  • text

  ---

• manipuler les les données
• combiner les datasets
• ...
• tout ceci grâce à une structure qu'on appelle le DataFrame

Dans ce tutoriel, nous allons illustrer l'utilisation de pandas grâce au dataset nommé titanic.csv

Chargement d'un fichier CSV

pour un fichier, il faut d'abord importer le package, puis on fait appelle aux différentes methodes: *importer le pacage

import pandas as pd

* pour charger un excel:

pd.read_excel('urlFichier')

* pour charger un fichier html:

pd.read_html('urlFichier')

* pour charger un sql:

pd.read_sql()

* etc * pour notre fichier **csv**

df = pd.read_csv('titanic.csv')

Quelques fonctions utiles

La fonction head()

df.head()

cette fonction permet d'afficher les cinq prémières lignes d'un dataframe par defaut, mais on peut à fait indiquer le nombre de ligne qu'on affcicher si l'on souhaite.

La fonction describe()

df.describe()

Celle-la est une fonction de statistique qui nous permet:

• d'afficher le nombre de ligne
• la moyenne des colonnes qui contiennent des valeurs discretes et continue
• le quartile
• la median
• la deviation
• etc

La fonction drop

df.drop([colonne1, colonne2, ...])

Cette fonction permet d'éliminer les colonnes dont nous desirons exclure de notre analys. Elle prend également le paramètre inplace qui a pour True ou False qui pour rôle de supprimer directement sans créer de nouvelle variable.

La fonction dropna()

df.dropna(axis=0)

dropnan() permet de supprimer les valeurs manquant dans un dataset dataframe, le paramètre axis est obligatoire et il prend les valeurs 0 pour faire la suppression selon les lignes et 1 selon les colonnes.

La fonction value_counts()

elle compte le nombre de répétition de chaque valeurs dans une colonne.

La fonction groupby()

Cette fonction, nous permet de faire des analyse par groupe

L'attribut shape

il permet de renvoyer le nombre de ligne et le nombre de colonne d'un dataframe sous forme d'un tuple

L'attribut columns

cet attribut nous permet de lister toutes les colonnes d'un dataframe

L'attribut plot

nous permet de générer les graphique sur un dataframe

• df.plot.scatter()
• df.plot.bar()
• df.plot.hist()
• etc

DataFrame et Series

Dans pandas, il existe deux structures de données:

• DataFrame
• Serie

Series

Une Serie est une colonne dans un DataFrame dont est associé un index à chaque valeur donc une sorte de dictionnaire clée-valeur

DataFramme

Un DataFrame est un ensemble de Series donc un dataframe est un dictionnaire dont les clés sont les colonnes et les valeurs sont les Series

Les opérations sur les dataframes

En pandas nous pouvous faire des indexing et du boolean indexing à travers iloc et loc

• iloc: pour dire index location
• loc: pour dire location