Premières manipulations avec Pandas

1 Exercice : premières manipulations de Series

• Construire la Series suivante :

• Modifier la valeur de value à 10 pour l’élément en position 3.
• Afficher les éléments avec value supérieur à 5.
• Modifier la valeur de value à 0 pour les éléments avec un value inférieur à 5.
• Ajouter un élément avec un value de 3.5 à la Serie.
• Modifier les indices de la Serie pour qu’ils soient des lettres de l’alphabet.

import pandas as pd

# help(pd.Series)

# creation et affichage de la serie
# s = pd.Series([12, -4, 7, 9])
s = pd.Series(data=[12, -4, 7, 9])
s

0    12
1    -4
2     7
3     9
dtype: int64

# affichage des valeurs de la serie
s.values

array([12, -4,  7,  9])

# modification de la valeur de l'element d'indice 3
s[3] = 10
s

0    12
1    -4
2     7
3    10
dtype: int64

# filtre sur les valeurs de la serie
display(s>5)
display(s[ s>5 ])

0     True
1    False
2     True
3     True
dtype: bool

0    12
2     7
3    10
dtype: int64

# filtre sur les valeurs de la serie et modification des valeurs
s[ s<5 ] = 0
s

0    12
1     0
2     7
3    10
dtype: int64

# display(s)
# s[len(s)] = 100
# display(s)

# ajout d'une valeur à la serie (plus precisement, concatenantion de deux series dont une contenant une seule valeur)
L = pd.Series([3.5])
# s = pd.concat( [s,L] ) # PB !!!! deux fois le même index
s = pd.concat( [s,L] , ignore_index=True)
s 

0    12.0
1     0.0
2     7.0
3    10.0
4     3.5
dtype: float64

# changement des indices
s.index = ['a', 'b', 'c', 'd', 'e']
s

a    12.0
b     0.0
c     7.0
d    10.0
e     3.5
dtype: float64

2 Exercice : premières manipulations de DataFrame

• Construire le DataFrame suivant :

• Afficher les lignes correspondant aux objets dont le prix est supérieur ou égale à 1.
• Modifier le prix de l’objet “eraser” pour le passer à 0.2.

La construction du DataFrame peut se faire en deux étapes. D’abord, on crée un dictionnaire avec les données, puis on crée le DataFrame à partir de ce dictionnaire.

import pandas as pd

# un dictionaire de listes, chaque liste representant une colonne
data = {'color' :  ['red', 'green', 'blue', 'yellow', 'black'],
        'object' : ['pen', 'pencil', 'marker', 'eraser', 'ruler'],
        'price' :  [1.2, 0.6, 1.0, 0.7, 1.5]}

df = pd.DataFrame(data)
df

	color	object	price
0	red	pen	1.2
1	green	pencil	0.6
2	blue	marker	1.0
3	yellow	eraser	0.7
4	black	ruler	1.5

On va séléctionner les lignes du DataFrame en utilisant un masque :

df[ df['price'] > 1.0 ]

	color	object	price
0	red	pen	1.2
4	black	ruler	1.5

# pour comprendre
df['price'] > 1.0
# Dans la sortie on voit l'indice de la ligne et un booléen qui indique si la condition est vraie ou fausse pour cette ligne

0     True
1    False
2    False
3    False
4     True
Name: price, dtype: bool

On va modifier la valeur d’une cellule : avec .loc on peut accéder à une cellule en utilisant les indices de la ligne et de la colonne. Pour trouver l’indice de la ligne correspondant à l’objet “eraser”, on peut utiliser un masque.

df.loc[ df['object']=='eraser', 'price' ] = 0.2
df

	color	object	price
0	red	pen	1.2
1	green	pencil	0.6
2	blue	marker	1.0
3	yellow	eraser	0.2
4	black	ruler	1.5

Pour comprendre:

df['object']=='eraser'

0    False
1    False
2    False
3     True
4    False
Name: object, dtype: bool

df.loc[ df['object']=='eraser', : ]

	color	object	price
3	yellow	eraser	0.2

3 Exercice : dict de dict en DataFrame

Transformer en dataframe le dictionnaire de dictionnaires suivant:

pop = {'Nevada': {2001: 2.4, 2002: 2.9},
       'Ohio'  : {2000: 1.5, 2001: 1.7, 2002: 3.6}}

Une autre forme courante de données est un dictionnaire qui contient plusieurs autres dictionnaires. Si le dictionnaire priciapl est passé au DataFrame, pandas interprétera les clés du dictionnaire extérieur comme étant les colonnes, et les clés intérieures comme étant les indices des lignes :

import pandas as pd

pop = {'Nevada': {2001: 2.4, 2002: 2.9},
       'Ohio'  : {2000: 1.5, 2001: 1.7, 2002: 3.6}}

pd.DataFrame(data=pop)

	Nevada	Ohio
2001	2.4	1.7
2002	2.9	3.6
2000	NaN	1.5