2  Syllabus du cours “Introduction à la manipulation de données avec Pandas”

Auteur·rice

Gloria FACCANONI

Date de publication

11 novembre 2026

2.1 Parcours “Data Science and Scientific Computing”

Depuis septembre 2024, l’université de Toulon propose, dans sa licence de Mathématiques, un parcours nommé Data Science and Scientific Computing. Il se situe au croisement des mathématiques et de l’informatique. L’objectif principal est d’apprendre à formuler des questions de manière à ce que le calcul informatique puisse fournir des réponses (exactes ou approchées) satisfaisantes.

Ce parcours sur trois ans fournit une base de connaissances et de compétences pratiques en analyse de données et en calcul scientifique, en utilisant principalement Python et les Notebook Jupyter. On y apprend à manipuler, analyser et visualiser les données, ainsi qu’à résoudre des problèmes scientifiques et mathématiques complexes en utilisant les outils et bibliothèques appropriés:

  • DSSC-1 Introduction à la programmation scientifique avec Python: apprentissage des bases de la programmation en Python, notamment les structures de contrôle, les fonctions et les types de données, ainsi que l’utilisation de Matplotlib pour créer des visualisations.
  • DSSC-2 Approximations et simulations: étude des bases de l’analyse numérique, avec des comparaisons aux résultats issus de la bibliothèque SciPy, pour résoudre des problèmes scientifiques et d’ingénierie: interpolations, intégrations numériques, zéros d’une fonction. On apprendra également à utiliser des Notebook Jupyter pour expliquer et documenter les calculs.
  • DSSC-3 Calcul formel avec SymPy: familiarisation avec SymPy pour réaliser des calculs mathématiques symboliques comme la manipulation d’expressions et la résolution d’équations et sytèmes. Application en analyse mathématique (calcul de limites, dérivées, intégrales symboliques dans \(\mathbb{R}^n\)) et en algèbre linéaire (applications linéaires, noyeaux, etc.). On apprendra également à rédiger des rapports en LaTeX.
  • DSSC-4 Manipulation avancée des tableaux avec NumPy: approfondissement des connaissances sur le calcul matriciel avec NumPy pour des calculs performants.
  • DSSC-5 Manipulation de données avec Pandas : une initiation: utilisation de Pandas pour manipuler efficacement les jeux de données, incluant l’importation, le nettoyage, la transformation, le filtrage, l’agrégation et la gestion des valeurs manquantes.
  • DSSC-6 Approximations d’équations différentielles: étude des schémas numériques pour l’approximation de problèmes de Cauchy.

2.2 Déroulement du cours DSSC-5 : Introduction à la manipulation de données avec Pandas

Ce polycopié est associé au cinquième cours, initiant à l’utilisation de la bibliothèque pandas. Les objectifs de ce cours sont

  • comprendre les notions de base de Pandas et de la manipulation de données ;
  • importer et exporter des données ;
  • manipuler des données : filtrer, trier, grouper, agréger, fusionner, joindre, concaténer, etc. ;
  • visualiser des données.

2.2.1 Plan des séances

Le cours se déroule en 5 séances de 3 heures dans le bâtiment U1. Chaque séance commence par le cours ; le temps restant est consacré aux exercices associés, dont le corrigé figure dans ce polycopié.

Séance Cours Exercices associés
1 Premiers pas avec Pandas et l’objet Series : création, indexation par étiquettes, loc et iloc, visualisations avec Matplotlib, Seaborn et Plotly Premières manipulations ; Notes et moyennes pondérées en L3
2 Les DataFrame : création, accès aux éléments, ajout et suppression, filtrage, agrégations avec groupby, tableaux croisés Ventes et pluie : agréger, c’est choisir ; Population des communes de France
3 Étude de cas complète : le Titanic, de l’importation du fichier à l’analyse multivariée
4 Loi de Benford et élections présidentielles USA 2016 ; Émissions de CO₂ des communes ; Netflix User Data
5 Évaluation : examen sur machine

Tous les supports de cours sont fournis sous forme de notebooks Jupyter et téléchargeables depuis la page en annexe (menu a gauche ci-contre).

Pour plus d’informations sur Pandas, vous pouvez également consulter ce livre (un peu daté) : Python Data Science Handbook.

2.2.2 Prérequis

  • Bases de Python : types primitifs (int, float, str), structures de données (listes, tuples, dictionnaires), conditions, boucles, fonctions, modules (numpy, matplotlib.pyplot) ; cf. DSSC-1;
  • Manipulation de Notebook Jupyter : cellules python vs markdown, écriture de formules mathématiques en LaTeX, exécution, sauvegarde, export, etc. ; cf. DSSC-2;
  • Connaissances de base de NumPy : manipulation de tableaux et extraction de sous-tableaux par slices ; cf. DSSC-4.

Pour manipuler les notebooks Jupyter, on utilisera l’éditeur VS Codium (au lieu de Jupyter Notebook dans le navigateur). Dans les salles de TP, Python 3.12 est installé.

2.2.3 Évaluation

Le cours est évalué en contrôle continu, sous la forme d’un examen sur machine qui se déroule pendant la cinquième séance.

2.2.3.1 Déroulement

  • Les postes de la salle de TP sont déconnectés d’Internet. Seul Moodle reste accessible, pour télécharger le sujet et le(s) fichier(s) de données, puis déposer votre travail en fin d’épreuve.
  • Vous travaillez dans un notebook Jupyter sous VS Codium, avec Python 3.12 et les modules vus en cours (pandas, numpy, matplotlib, seaborn, plotly).
  • Durée : 2 heures.
  • Aucun assistant de code (IA générative) n’est disponible ni autorisé.
NoteDocuments autorisés

Moodle restant accessible, vous pouvez consulter pendant l’épreuve :

  • ce polycopié et les notebooks du cours et des exercices, déposés sur Moodle ;
  • vos propres notebooks de TP.

Aucune autre ressource en ligne n’est accessible : ni moteur de recherche, ni documentation Pandas en ligne, ni assistant de code.

2.2.3.2 Ce qui est évalué

L’examen porte sur les compétences travaillées lors des quatre premières séances, appliquées à un jeu de données que vous découvrez le jour même :

  • importer un fichier de données et en faire un premier examen : dimensions, types des colonnes, valeurs manquantes, statistiques descriptives ;
  • sélectionner, filtrer et trier des lignes et des colonnes ;
  • créer de nouvelles colonnes à partir des colonnes existantes ;
  • agréger et croiser des variables (groupby, pivot_table, crosstab) ;
  • produire des visualisations pertinentes et les commenter ;
  • rédiger en cellules Markdown des conclusions courtes et justifiées par les résultats obtenus.

Il ne s’agit pas d’un examen de programmation Python générale : concentrez-vous sur l’utilisation de Pandas pour extraire et communiquer de l’information pertinente.

2.2.3.3 Rendu

Déposez sur Moodle le notebook .ipynb, nommé NOM_Prenom.ipynb. Avant de déposer, exécutez toutes les cellules dans l’ordre (Restart Kernel and Run All Cells) et vérifiez qu’aucune ne produit d’erreur : un notebook qui ne s’exécute pas intégralement est fortement pénalisé.

2.2.3.4 Comment s’y préparer

Les études de cas et les exercices corrigées de ce polycopié constituent le meilleur entraînement possible : refaites-les sans regarder le corrigé, puis comparez.

2.2.4 Ressources pour trouver des jeux de données

Sur vos ordinateurs personnels, je vous conseille d’installer Visual Studio Code et bien sûr une distribution Python.

Si vous ne pouvez pas installer une distribution Python, vous pouvez utiliser Google Colab. Dans ce cas, charger un fichier csv nécessite une étape supplémentaire. Le plus simple est de télécharger directement le fichier dans le notebook en exécutant le code suivant. On vous demandera de sélectionner un fichier. Cliquez sur «Choisir les fichiers» puis sélectionnez et téléchargez le fichier csv de votre choix. Vous devriez voir le nom du fichier affiché une fois que Colab l’aura téléchargé.

from google.colab import files
uploaded = files.upload()