Techniques Avancées dans Pandas

Contenu du cours

Techniques Avancées dans Pandas

Techniques Avancées dans Pandas

1. Se Familiariser Avec l'Indexation et la Sélection de Données

Affichage des Colonnes par Titre Exportation des Lignes par Index Sélection de Lignes et Colonnes Spécifiques En Savoir Plus sur l'Indexation Se Familiariser Avec Les Fonctions lambda Étendre la Fonctionnalité de l'Attribut .iloc[]

2. Gestion des Conditions

Définir une Condition Sélection des Données en Fonction de la Condition Traiter Plusieurs Conditions Rendre Votre Code Magnifique Quiz sur les Conditions

3. Extraction de Données

Les Données Sont-Elles Dans ...?Combiner Vos Connaissances Méthode Entre Extraction de Données Spécifiques Trouver les Plus Petites Valeurs d'une Colonne Trouver les Plus Grandes Valeurs d'une Colonne Trouver la Corrélation

4. Agrégation de Données

Se Familiariser Avec la Méthode .groupby()Regroupement par Plusieurs Colonnes Groupement Compliqué Groupement Avancé Gestion des Tableaux Croisés Dynamiques Créer un Tableau Croisé Dynamique

5. Prétraitement des Données

Vérification des Valeurs Manquantes Calcul du Nombre de Valeurs Manquantes Que Ferons-Nous Avec les Valeurs NaN?Comment Supprimer Uniquement les Valeurs NaN ?Remplir les Valeurs Manquantes Gestion des Variables Catégorielles Vérification du Type de Colonne Gestion d'une Colonne Incorrecte Renommer la Colonne

Vérification du Type de Colonne

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'.


              123
            
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.

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 7

Demandez à l'IA

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Contenu du cours

Techniques Avancées dans Pandas

Techniques Avancées dans Pandas

1. Se Familiariser Avec l'Indexation et la Sélection de Données

Affichage des Colonnes par Titre Exportation des Lignes par Index Sélection de Lignes et Colonnes Spécifiques En Savoir Plus sur l'Indexation Se Familiariser Avec Les Fonctions lambda Étendre la Fonctionnalité de l'Attribut .iloc[]

2. Gestion des Conditions

Définir une Condition Sélection des Données en Fonction de la Condition Traiter Plusieurs Conditions Rendre Votre Code Magnifique Quiz sur les Conditions

3. Extraction de Données

Les Données Sont-Elles Dans ...?Combiner Vos Connaissances Méthode Entre Extraction de Données Spécifiques Trouver les Plus Petites Valeurs d'une Colonne Trouver les Plus Grandes Valeurs d'une Colonne Trouver la Corrélation

4. Agrégation de Données

Se Familiariser Avec la Méthode .groupby()Regroupement par Plusieurs Colonnes Groupement Compliqué Groupement Avancé Gestion des Tableaux Croisés Dynamiques Créer un Tableau Croisé Dynamique

5. Prétraitement des Données

Vérification des Valeurs Manquantes Calcul du Nombre de Valeurs Manquantes Que Ferons-Nous Avec les Valeurs NaN?Comment Supprimer Uniquement les Valeurs NaN ?Remplir les Valeurs Manquantes Gestion des Variables Catégorielles Vérification du Type de Colonne Gestion d'une Colonne Incorrecte Renommer la Colonne

Vérification du Type de Colonne

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'.


              123
            
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.

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 7

some-alt