Lorsque vous travaillez avec des données tabulaires, telles que des données stockées dans des feuilles de calcul ou des bases de données, pandas est le bon outil pour vous. pandas vous aidera à explorer, nettoyer et traiter vos données. Dans les pandas, une table de données est appelée DataFrame. Pandas prend en charge l’intégration avec de nombreux formats de fichiers ou sources de données prêts à l’emploi (csv, excel, sql, json, parquet ,…). L’importation des données de chacune de ces sources de données est assurée par une fonction avec le préfixe read_ *. De même, les méthodes to_ * sont utilisées pour stocker des données.

Sélectionner ou filtrer des lignes et / ou des colonnes spécifiques? Filtrer les données sur une condition? Des méthodes pour découper, sélectionner et extraire les données dont vous avez besoin sont disponibles dans les pandas. Il n’est pas nécessaire de parcourir toutes les lignes de votre table de données pour effectuer des calculs. Les manipulations de données sur une colonne fonctionnent élément par élément. L’ajout d’une colonne à un DataFrame basé sur des données existantes dans d’autres colonnes est simple.

Pandas prend en charge les séries chronologiques et dispose d’un ensemble complet d’outils pour travailler avec des dates, des heures et des données indexées dans le temps. Les ensembles de données ne contiennent pas que des données numériques. pandas fournit un large éventail de fonctions pour nettoyer les données textuelles et en extraire des informations utiles.

Dans ce cours, nous couvrons:

Bases de la bibliothèque Pandas

Structures de données Pandas – Séries & Dataframes

Jouer avec des Dataframes, sélectionner des colonnes et des lignes à partir d’un dataframe

Sous-ensemble de dataframes – DF[start_index:end_index]

Indexage

Fusion et concaténation de Dataframes

La programmation Python est devenue l’un des langages de programmation les plus recherchés au monde, avec sa grande quantité de fonctionnalités et la grande productivité qu’il offre. Par conséquent, être capable de coder Pandas en Python vous permet d’exploiter la puissance des diverses autres fonctionnalités et bibliothèques qui seront utilisées avec Python. Certaines de ces bibliothèques sont NumPy, SciPy, MatPlotLib, etc.