Summary  
This chapter demonstrates how to inspect the data type of a DataFrame column using the `.dtypes` attribute.  

General domain of usage  
data analysis

Si vous tombez sur la colonne `'Fare'`, les nombres y sont séparés par le signe `-`. Cela semble étrange, n'est-ce pas ? Nous avons l'habitude d'utiliser `.` comme séparateur, et Python ne peut interpréter que les nombres séparés par des points. Vérifions le type de cette colonne. Vous pouvez le faire en utilisant l'attribut `.dtypes`. Regardez l'exemple avec la colonne `'Age'`.

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv', index_col = 0)
print(data['Age'].dtypes)

**Explication :**

La syntaxe `.dtypes` est simple ; il suffit de l'appliquer à la colonne ou à l'ensemble des données. Dans notre cas, le type est **float64**.

Ce cours contient de nombreuses fonctions utiles pour un futur analyste de données. Vous découvrirez différentes méthodes d'extraction de données et pourrez même y appliquer des conditions. Ensuite, vous vous familiariserez avec les méthodes de regroupement des données. Vous apprendrez également à prétraiter les données. Chaque section dispose de son propre jeu de données, rendant le cours captivant.

Cette section vous apprendra à afficher des colonnes spécifiques par leurs titres ou indices. Vous découvrirez également les différentes méthodes de sélection des lignes par indices.

Ici, vous apprendrez à extraire des données répondant à des conditions spécifiques. Vous découvrirez également comment les combiner et même créer vos propres conditions.

Dans cette section, vous approfondirez vos connaissances sur la définition de différentes conditions de données. Vous apprendrez à vérifier si vos données figurent dans une liste de valeurs définies ou se situent entre deux valeurs. Vous découvrirez également comment identifier les valeurs les plus grandes et les plus petites.

Cette section est l'une des plus fascinantes du cours. Vous apprendrez ici à regrouper les données de différentes manières. Cela vous aidera à travailler en tant qu'analyste de données pour obtenir des informations sur des groupes de données spécifiques.

Cette section est l'une des plus importantes pour un analyste de données, car si les données contiennent des valeurs manquantes ou sont dans un format incorrect, il sera impossible de les exploiter. Ainsi, vous apprendrez ici comment traiter de telles valeurs inappropriées.

Vérification du type de colonne

Awesome!

Vérification du type de colonne