Formation
90 min de lecture
Manipulation de données avec Pandas
📦 Introduction à Pandas (DataFrames)
Objectifs d'apprentissage
🎯 Objectifs :\n
1Installer et importer Pandas\n2. Créer des DataFrames\n3. Charger des données CSV/Excel\n4. Explorer les données
Introduction
📖 Pandas est la bibliothèque incontournable pour l'analyse de données en Python.
Contenu théorique
Pandas - DataFrames :\n
PYTHON
\nimport pandas as pd\n\n# Création d'un DataFrame\ndata = {\n "nom": ["Alice", "Bob", "Charlie"],\n "age": [25, 30, 35],\n "ville": ["Paris", "Lyon", "Marseille"]\n}\ndf = pd.DataFrame(data)\n\n# Chargement depuis CSV\ndf = pd.read_csv("fichier.csv")\n\n# Aperçu des données\nprint(df.head()) # 5 premières lignes\nprint(df.info()) # Infos sur les colonnes\nprint(df.describe()) # Statistiques\nExemples pratiques
💻 Exemple : Analyse de données\n
PYTHON
\nimport pandas as pd\n\n# Création des données\nventes = {\n "mois": ["Jan", "Fev", "Mar", "Avr"],\n "ventes": [1000, 1200, 1500, 1300],\n "objectif": [1100, 1100, 1400, 1400]\n}\n\ndf = pd.DataFrame(ventes)\nprint("Premières lignes :")\nprint(df.head())\n\nprint("\\nStatistiques :")\nprint(df["ventes"].describe())\n\nprint("\\nAtteinte des objectifs :")\ndf["atteint"] = df["ventes"] >= df["objectif"]\nprint(df)\nBonnes pratiques
1Toujours importer pandas as pd\n✅ 2. Utiliser head() pour un aperçu\n✅ 3. Utiliser info() pour la structure\n✅ 4. Utiliser describe() pour les stats
Pièges à éviter
Oublier d'installer pandas\n
pip install pandas
Résumé
Pandas : bibliothèque d'analyse\n✅ DataFrame : tableau 2D\n✅ read_csv() : charger CSV\n✅ head() : aperçu\n✅ info() : structure\n✅ describe() : statistiques
Ressources supplémentaires
📚 pandas.pydata.org/docs