Différences entre versions de « Pandas »

De Didaquest
Aller à la navigationAller à la recherche
Ligne 48 : Ligne 48 :
 
|Définition= <!-- Ne pas Modifier  -->
 
|Définition= <!-- Ne pas Modifier  -->
 
<!-- *************** Commercez les modifications *******************-->
 
<!-- *************** Commercez les modifications *******************-->
−
<big>Définition</big>
 
−
''L’objectif de ce tutoriel est d’introduire Python pour la préparation de données massives, lorsqu’elles sont trop volumineuses pour la mémoire (RAM) d’un ordinateur. Cette étape est abordée par l’initiation aux fonctionnalités de la librairie '''pandas''' et à la classe '''DataFrame''' ; lire et écrire des fichiers, gérer une table de données et les types des variables, échantillonner, discrétiser, regrouper des modalités, description élémentaires uni et bi-variées ; concaténation et jointure de tables''
 
  
 
*'''Pandas''' est une bibliothèque écrite pour le langage de programmation '''Python''' permettant la manipulation et l'analyse des données. Elle propose en particulier des structures de données et des opérations de manipulation de tableaux numériques et de séries temporelles.
 
*'''Pandas''' est une bibliothèque écrite pour le langage de programmation '''Python''' permettant la manipulation et l'analyse des données. Elle propose en particulier des structures de données et des opérations de manipulation de tableaux numériques et de séries temporelles.
  
 
*Un objet de type '''''data frame''''',  permet de réaliser de nombreuses opérations de filtrage, prétraitements, etc., préalables à la modélisation statistique.
 
*Un objet de type '''''data frame''''',  permet de réaliser de nombreuses opérations de filtrage, prétraitements, etc., préalables à la modélisation statistique.
−
<big>'''Fonctionnalités de pandas'''</big>
+
<big> '''# Utilité de pandas'''</big>
 +
L'utilité de ce tutoriel est d’introduire Python pour la préparation de données massives, lorsqu’elles sont trop volumineuses pour la mémoire (RAM) d’un ordinateur. Cette étape est abordée par l’initiation aux fonctionnalités de la librairie '''pandas''' et à la classe '''DataFrame''' ; lire et écrire des fichiers, gérer une table de données et les types des variables, échantillonner, discrétiser, regrouper des modalités, description élémentaires uni et bi-variées ; concaténation et jointure de tables''
 +
 
 +
<big>'''# Fonctionnalités de pandas'''</big>
  
 
La richesse des fonctionnalités de la librairie pandas est une des raisons, si ce n’est la principale, d’utiliser Python pour extraire, préparer, éventuellement analyser, des données. En voici un bref aperçu.
 
La richesse des fonctionnalités de la librairie pandas est une des raisons, si ce n’est la principale, d’utiliser Python pour extraire, préparer, éventuellement analyser, des données. En voici un bref aperçu.

Version du 23 mai 2021 à 14:19


Autres Fiches Conceptuelles
Posez une Question


(+)

Target Icon.pngVotre Publicité sur le Réseau Target Icon.png

Puce-didaquest.png Traduction

Emblem-important-blue.svg

Pandas (Français) / Pandas (Anglais) / Pandas (Arabe)

(+)


More-didaquest.png Traductions


Puce-didaquest.png Définition

Domaine, Discipline, Thématique


More-didaquest.png Justification


Définition écrite

Emblem-important-blue.svg
  • Pandas est une bibliothèque écrite pour le langage de programmation Python permettant la manipulation et l'analyse des données. Elle propose en particulier des structures de données et des opérations de manipulation de tableaux numériques et de séries temporelles.
  • Un objet de type data frame, permet de réaliser de nombreuses opérations de filtrage, prétraitements, etc., préalables à la modélisation statistique.

# Utilité de pandas L'utilité de ce tutoriel est d’introduire Python pour la préparation de données massives, lorsqu’elles sont trop volumineuses pour la mémoire (RAM) d’un ordinateur. Cette étape est abordée par l’initiation aux fonctionnalités de la librairie pandas et à la classe DataFrame ; lire et écrire des fichiers, gérer une table de données et les types des variables, échantillonner, discrétiser, regrouper des modalités, description élémentaires uni et bi-variées ; concaténation et jointure de tables

# Fonctionnalités de pandas

La richesse des fonctionnalités de la librairie pandas est une des raisons, si ce n’est la principale, d’utiliser Python pour extraire, préparer, éventuellement analyser, des données. En voici un bref aperçu.

  • Objets :les classes Series et DataFrame ou table de données.
  • Lire, écrire création et exportation de tables de données à partir de fichiers textes (séparateurs, .csv, format fixe, compressés), binaires (HDF5 avec Pytable), HTML, XML, JSON, MongoDB, SQL...
  • Gestion d’une table : sélection des lignes, colonnes, transformations, réorganisation par niveau d’un facteur, discrétisation de variables quantitatives, exclusion ou imputation élémentaire de données manquantes, permutation et échantillonnage aléatoire, variables indicatrices, chaînede caractères Statistiques élémentaires uni et bivariées, tri à plat (nombre de modalités, de valeurs nulles, de valeurs manquantes...), graphiques associés, statistiques par groupe, détection élémentaire de valeurs atypiques...
  • Manipulation de tables : concaténations, fusions, jointures, tri, gestion des types et formats


(+)


Informations Créateur: Wes McKinney

Dernière version: 1.2.4 (12 avril 2021)1

Écrit en: Python

Système d'exploitation: Multiplateforme

Type: Bibliothèque logicielle Python (d) ,Numerical software (d)

Licence: Licence BSD

Documentation: pandas.pydata.org/docs/user_guide/index.html#user-guide

Site web: pandas.pydata.org


More-didaquest.png Pandas - Historique (+)


Définition graphique

Emblem-important-blue.svg

  • logo pandas

  • Wesmc.png
  • Logodata.png


Emblem-important-blue.svg


Emblem-important-blue.svg

{{{AutresMedias}}}


Puce-didaquest.png Concepts ou notions associés

Emblem-important-blue.svg

(+)


More-didaquest.png Pandas - Glossaire / (+)



Puce-didaquest.png Exemples, applications, utilisations

Manipulation des données avec Pandas

Iim4.png
Im5.png
Im6.png
Im7.png
Im8.png
Im9.png

(+)


Puce-didaquest.png Erreurs ou confusions éventuelles

Emblem-important-blue.svg
  • Confusion entre la commande tail- commande head qui permet la première d'afficher les 5 premières lignes de dataframe et l'autre d'afficher les 5 dernières lignes du dataframe
  • Confusion entre fichier Excel- fichier csv
  • Erreur fréquente: Les élèves trouve toujours le problème de charger le fichier que ce soit de type Excel, txt ou csv.

(+)



Puce-didaquest.png Questions possibles



Puce-didaquest.png Liaisons enseignements et programmes

Idées ou Réflexions liées à son enseignement

Emblem-important-blue.svg
  • Projet d’analyse des données concernant l’impact de l’utilisation de la technologie sur la vie des élèves 
  • Collecte des données
  • Analyse des données collectées en utilisant un logiciel de tableur et python plus spécifiquement bibliothéque pandas pour :
  • lire des données collectées. 
  • supprimer des lignes et des colonnes indésirables. 
  • éliminer des doublons. 
  • analysez les données collectées afin d’obtenir les résultats attendus. 
  • regrouper les données collectées des différents utilisateurs dans un même fichier.

(+)



Aides et astuces

Emblem-important-blue.svg
  • ..................
  • .................
  • ..................
  • .................



Education: Autres liens, sites ou portails




Puce-didaquest.png Bibliographie

Emblem-important-blue.svg

Pour citer cette page: ([1]) 

ABROUGUI, M & al, 2021. Pandas. In Didaquest [en ligne]. <http:www.didaquest.org/wiki/Pandas>, consulté le 22, novembre, 2024


Récupérée de « https://didaquest.org/w/index.php?title=Pandas&oldid=73964 »