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 ici sont séparés par le signe `-`. Cela semble étrange, n'est-ce pas ? Nous avions l'habitude d'utiliser `.` comme séparateur, et Python ne peut comprendre 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 ; vous l'appliquez simplement à la colonne ou à l'ensemble du jeu de données. Dans notre cas, le type est **float64**.

Ce cours contient de nombreuses fonctions utiles pour un futur analyste de données. Vous apprendrez différentes manières d'extraire des données et même de définir des conditions sur celles-ci. Après cela, vous serez familier avec les méthodes de regroupement des données. De plus, vous apprendrez à prétraiter les données. Chaque section a son propre ensemble de données, de sorte que le cours sera captivant.

Cette section vous apprendra à afficher des colonnes spécifiques par leurs titres ou indices. De plus, vous vous familiariserez avec les façons de sélectionner des lignes par indices.

Ici, vous apprendrez à extraire des données qui ont des conditions spécifiques. De plus, vous apprendrez à les combiner et même à créer les vôtres.

Dans cette section, vous allez approfondir vos connaissances sur la définition de différentes conditions de données. Vous apprendrez à vérifier si vos données se trouvent dans une liste de valeurs définie ou entre deux valeurs. Vous apprendrez également à trouver les plus grandes et les plus petites valeurs.

Cette section est l'une des plus fascinantes du cours. Ici, vous apprendrez à regrouper les données de différentes manières. Cela vous aidera à travailler en tant qu'analyste de données pour découvrir 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 dans un format incorrect, il sera impossible de travailler avec. Ainsi, vous apprendrez ici comment gérer ces valeurs inappropriées.

Vérification du Type de Colonne

Awesome!

Vérification du Type de Colonne