Python : Pandas, la bi­blio­thèque pour l’analyse et la ma­ni­pu­la­tion de données

Pandas est une bi­blio­thèque Python open source spé­cia­le­ment conçue pour l’analyse et la ma­ni­pu­la­tion de données. Elle simplifie l’uti­li­sa­tion des tableaux de données et des séries chro­no­lo­giques grâce à des struc­tures adaptées et des fonctions in­tui­tives.

À quoi sert Python Pandas ?

La bi­blio­thèque Pandas est utilisée dans dif­fé­rents sous-domaines du trai­te­ment des données. Grâce à un grand nombre de fonctions adaptées, un large éventail d’ap­pli­ca­tions peut être couvert par Python Pandas :

• Analyse ex­plo­ra­toire des données (EDA) : Python Pandas facilite l’ex­plo­ra­tion et la com­pré­hen­sion générale des ensembles de données. Des fonctions telles que describe(), head() ou info() per­met­tent aux dé­ve­lop­peurs d’avoir un aperçu rapide des ensembles de données et d’iden­ti­fier les relations sta­tis­tiques.
• Nettoyage et pré­trai­te­ment des données : les données provenant de dif­fé­rentes sources doivent souvent être nettoyées et formatées de manière cohérente avant de pouvoir être analysées. Ici aussi, Pandas offre une multitude de fonctions pour filtrer ou trans­for­mer les données.
• Ma­ni­pu­la­tion et trans­for­ma­tion des données : la tâche prin­ci­pale de Pandas est la ma­ni­pu­la­tion, l’analyse et la trans­for­ma­tion des ensembles de données. Des fonctions telles que merge() ou groupby() per­met­tent des opé­ra­tions complexes sur les données.
• Vi­sua­li­sa­tion des données : un autre champ d’ap­pli­ca­tion pratique apparaît en com­bi­nai­son avec des bi­blio­thèques comme Mat­plot­lib ou Seaborn. De cette manière, les cadres de données Pandas peuvent être di­rec­te­ment convertis en dia­grammes sig­ni­fi­ca­tifs ou tracés.

Avantages de Python Pandas

Pandas offre de nombreux avantages qui en font un outil in­dis­pen­sable pour les analystes de données et les cher­cheurs. Son API intuitive et facile à prendre en main assure une grande con­vi­via­lité. Comme les struc­tures de données centrales DataFrame et Series res­semblent à des tableurs, son ap­pren­tis­sage est re­la­ti­ve­ment ac­ces­sible, même pour les débutants. Un autre avantage central de Pandas est sa puissance. Bien que Python soit gé­né­ra­le­ment considéré comme un langage de pro­gram­ma­tion plutôt lent, Pandas peut traiter ef­fi­ca­ce­ment même de grands ensembles de données. Cela est dû au fait que la bi­blio­thèque est écrite en C et qu’elle utilise des al­go­rithmes optimisés.

Python Pandas prend en charge de nombreux formats de données, comme les fichiers CSV, Excel et SQL, ce qui permet d’importer et d’exporter fa­ci­le­ment des données depuis dif­fé­rentes sources. Sa com­pa­ti­bi­lité avec d’autres bi­blio­thèques Python, telles que NumPy et Mat­plot­lib, renforce cette flexi­bi­lité et permet une analyse et une mo­dé­li­sa­tion ap­pro­fon­dies des données.

La syntaxe de Pandas

Pour illustrer la syntaxe de base de Pandas, prenons un exemple simple : supposons que nous ayons un fichier CSV contenant des in­for­ma­tions sur les ventes. Nous allons charger cet ensemble de données, l’examiner et effectuer quelques ma­ni­pu­la­tions de base. Voici un exemple simplifié d’un jeu de données de ventes, avec les colonnes « Date », « Produit », « Quantité » et « Prix ». L’ensemble de données est structuré comme suit :

Date,Produit,Quantité,Prix
2024-01-01,Produit A,10,20.00
2024-01-02,Produit B,5,30.00
2024-01-03,Produit C,7,25.00
2024-01-04,Produit A,3,20.00
2024-01-05,Produit B,6,30.00
2024-01-06,Produit C,2,25.00
2024-01-07,Produit A,8,20.00
2024-01-08,Produit B,4,30.00
2024-01-09,Produit C,10,25.00

Étape 1 : im­por­ta­tion de Pandas et char­ge­ment de l’ensemble de données

Après avoir importé Pandas, on peut créer un dataframe à partir des données CSV à l’aide de read_csv().

import pandas as pd
# Chargement de l'enregistrement à partir d'un fichier CSV nommé sales_data.csv
df = pd.read_csv('sales_data.csv')

Étape 2 : examen de l’ensemble des données

On obtient un premier aperçu des données en affichant les premières lignes et un résumé sta­tis­tique de l’ensemble de données. Pour cela, on utilise les fonctions head() et describe(). Cette dernière donne un aperçu des chiffres statiques im­por­tants comme la valeur minimale et maximale, l’écart-type ou la moyenne.

# Affichage des cinq premières lignes du dataframe
print(df.head())
# Affichage d’un résumé statistique
print(df.describe())

Étape 3 : ma­ni­pu­la­tion des données

La ma­ni­pu­la­tion des données fonc­tionne également avec Python. Dans l’extrait de code suivant, les données de vente doivent être agrégées par produit et par mois :

# Conversion de la colonne « Date » en un objet Datetime, afin que les dates soient reconnues comme telles
df['Date'] = pd.to_datetime(df['Date'])
# Extraction du mois à partir de la colonne « Date » et stockage dans une nouvelle colonne appelée « Mois »
df['Mois'] = df['Date'].dt.month
# Calcul des revenus (Quantité * Prix) et stockage dans une colonne appelée « Revenus »
df['Revenus'] = df['Quantité'] * df['Prix']
# Agrégation des données de vente par produit et mois
sales_summary = df.groupby(['Produit', 'Mois'])['Revenus'].sum().reset_index()
# Affichage des données agrégées
print(sales_summary)

Étape 4 : vi­sua­li­sa­tion des données

Pour finir, il est possible de vi­sua­li­ser les chiffres de vente mensuels d’un produit à l’aide de la bi­blio­thèque Python sup­plé­men­taire Mat­plot­lib.

import matplotlib.pyplot as plt
# Filtrer les données pour un produit spécifique
product_sales = sales_summary[sales_summary['Produit'] == 'Produit A']
# Créer un graphique linéaire
plt.plot(product_sales['Mois'], product_sales['Revenus'], marker='o')
plt.xlabel('Mois')
plt.gca().set_xticks(product_sales['Mois'])
plt.ylabel('Revenus')
plt.title('Revenus mensuels pour le produit A')
plt.grid(True)
plt.show()

Le graphique visualisé montre qu’au cours du premier mois de l’année, 940 € ont été perçus avec le produit A. Il se présente comme suit :

Close