Manipulation de DataFrames

Manipuler, filtrer, grouper et analyser des jeux de données structurés en tables 2D interactives.

Un DataFrame est une table organisée pour enquêter sur des données.

Il se lit avec trois repères :

• un index pour identifier ;
• des individus pour observer ;
• des séries statistiques pour comparer.

Trois repères

Index	Nom	Âge	Score
d01	Alice	28	0.92
d02	Bob	35
d03	Charlie	42	0.78
d04	David	19	0.85

Cette table contient quatre individus. Chacun possède un identifiant, puis plusieurs informations observées.

Index

L’index est l’identifiant de l’individu.

Comme un numéro de sécurité sociale, il sert à désigner une personne sans ambiguïté.

Index	Individu
d01	Alice
d02	Bob
d03	Charlie
d04	David

Manipuler : retrouver directement d03.

Série statistique

Une colonne est une série statistique : la même information mesurée pour plusieurs individus.

Index	Âge
d01	28
d02	35
d03	42
d04	19

Évaluer : repérer une valeur étonnante, comparer, résumer.

Individu

Une ligne est un individu : tout ce que l’on sait sur une observation.

Variable	Valeur
Index	d03
Nom	Charlie
Âge	42
Score	0.78

Comprendre : lire le profil complet de Charlie.

Ne pas confondre les gestes

Ces trois repères ne servent pas au même moment.

Question	Repère à utiliser	Geste courant
Qui est-ce ?	Index	sélectionner avec loc
Que sait-on de cet individu ?	Ligne	inspecter une observation
Comment varie cette information ?	Colonne	analyser une série

Trois exemples Pandas

# Index : retrouver un individu précis
df.loc["d03"]

# Ligne : inspecter un individu
df.loc["d03", ["Nom", "Âge", "Score"]]

# Colonne : travailler sur une série statistique
df["Âge"]

On ne fait pas encore de statistiques ici. On apprend d’abord à pointer la bonne partie du tableau.

Lire une série

dfAgeColors = ["--sol-base1", "--sol-base1", "--sol-cyan", "--sol-base1"].map((name) => aptitek.getThemeColor(name))
aptitek.createBar("df-age-series-graph", { x: ["d01", "d02", "d03", "d04"], y: [28, 35, 42, 19] }, "Série statistique : Âge", { marker: { color: dfAgeColors }, layout: { yaxis: { title: "Âge" }, margin: { t: 45, b: 40, l: 45, r: 20 }, paper_bgcolor: "transparent", plot_bgcolor: "transparent" } })

Le graphique représente une seule colonne. Chaque barre reste attachée à son index : d03 correspond toujours à Charlie.

Retrouver un individu

dfIndexColors = [aptitek.getThemeColor("--sol-green"), aptitek.getThemeColor("--sol-orange")]
aptitek.createBar("df-index-cost-graph", { x: ["Avec index", "Sans identifiant"], y: [1, 4] }, "Effort pour retrouver Charlie", { marker: { color: dfIndexColors }, layout: { yaxis: { title: "Comparaisons" }, margin: { t: 45, b: 45, l: 70, r: 20 }, paper_bgcolor: "transparent", plot_bgcolor: "transparent" } })

Un index utile évite de deviner. Il donne un chemin direct vers l’individu demandé.

Manipuler sans se perdre

Pour comprendre un DataFrame, on alterne entre trois niveaux de lecture.

Sélectionner

On part d’un identifiant ou d’une condition.

df.loc["d03"]
df[df["Âge"] >= 30]

La question est : quels individus garder ?

Évaluer

On vérifie si une série semble cohérente avant d’aller plus loin.

df["Âge"].min()
df["Âge"].max()

La question est : cette colonne raconte-t-elle quelque chose de plausible ?

Comprendre

On revient à quelques individus pour donner du sens aux chiffres.

df.loc[["d01", "d03"]]

La question est : quels cas concrets expliquent le résultat ?

À retenir

Le DataFrame est une carte d’enquête. On ne le lit pas toujours dans le même sens.

Repère	Image mentale	Sert à
Index	numéro de sécurité sociale	identifier sans ambiguïté
Individu	ligne du tableau	comprendre un cas concret
Série statistique	colonne du tableau	comparer une information

Une fois ces trois repères maîtrisés, on peut passer à la question suivante : comment ces lignes et colonnes sont rangées en mémoire.