Summary  
This chapter explains how to select the top N rows of a tabular dataset based on one or multiple columns and how to control which duplicate entries are kept, using the Pandas `.nlargest()` method.

General domain of usage  
Automotive data analysis (e.g., finding the most expensive or newest cars)

Learn how to use the `.nlargest()` method in pandas to find the largest values in a DataFrame column. This video will walk you through practical examples, such as retrieving the top 10 newest cars sorted by both year and engine volume, and show you how to select the top 100 most expensive cars sorted by price and year. You will also see how to control duplicate handling with the `keep` argument. By the end, you will know how to use `.nlargest()` to quickly extract the highest values from your data for deeper analysis.

Dans le chapitre précédent, vous avez appris à afficher les plus petites valeurs ; il est tout à fait possible de faire de même avec les plus grandes. Pour cela, vous utiliserez une méthode très similaire avec le même argument que précédemment : `.nlargest()`. Voici un exemple pour afficher les 10 voitures les plus récentes, également triées par `'Engine_volume'` – tous les doublons inclus :

```python
data.nlargest(10, ['Year', 'Engine_volume'], keep = 'all')
```

Choisir la méthode CORRECTE pour obtenir les 100 voitures les plus chères, triées d'abord par `'Price'` puis par `'Year'`, en retournant exactement 100 lignes.

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

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

Ici, vous apprendrez à extraire des données répondant à des conditions spécifiques. Vous apprendrez également à les combiner et même à 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 définie ou se situent entre deux valeurs. Vous apprendrez également à identifier les valeurs les plus grandes et les plus petites.

Cette section est l'une des plus fascinantes du cours. Ici, vous apprendrez à regrouper des 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.

Recherche des Plus Grandes Valeurs d'une Colonne