Je suis heureux de vous voir dans cette section. Ici, nous allons regrouper nos données pour trouver des informations sur différents groupes de lignes. Examinez l'ensemble de données sur les retards (vous pouvez faire défiler ce tableau horizontalement) :


Regrouper les données est bénéfique, et maintenant nous allons approfondir ce sujet. Imaginez que vous souhaitez calculer le nombre de retards pour chaque numéro de vol. Regardez l'exemple de code puis l'explication :

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)
data_flights = data[['Flight', 'Delay']].groupby('Flight').sum()
print(data_flights.head())

**Explication :**

```python
data[['Flight', 'Delay']].groupby('Flight').sum()
```

- `data[['Flight', 'Delay']]` - Ce sont les colonnes sur lesquelles vous allez travailler, y compris les colonnes que vous allez regrouper ;
- `groupby('Flight')` - La colonne `'Flight'` est l'argument de la fonction `.groupby()`. Cela signifie que les lignes ayant la même valeur dans la colonne `'Flight'` seront regroupées ensemble ;
- `.sum()` - Cette fonction opère sur les lignes de chaque groupe créé par `.groupby()`. Dans ce cas, elle additionne les valeurs de la colonne `'Delay'` pour les lignes appartenant au même groupe `'Flight'`.

>Remarque
>
>Étant donné que la colonne `'Delay'` ne contient que `0` (aucun retard) ou `1` (un retard) comme valeurs possibles, la somme des lignes représente le nombre de retards pour chaque vol.


En fait, `.sum()` est l'une des nombreuses fonctions d'agrégation que vous pouvez utiliser. Vous vous familiariserez avec toutes au fur et à mesure de votre progression.

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.

DayOfWeek	Time
3	804.993130
4	804.452984
5	702.888362

Techniques Avancées dans Pandas

Se Familiariser Avec la Méthode .groupby()

Remplissez les espaces pour trouver la valeur moyenne de la colonne `'Time'` en fonction de la colonne `'DayOfWeek'`.