conditions et masques

import pandas as pd
import numpy as np

conditions sur une dataframe¶

conditions et masques¶

structure d’un masque¶

# le code
df = pd.read_csv('data/titanic.csv', index_col='PassengerId')
children = df['Age'] < 12
children

children.dtype

girls = (df['Age'] < 12) & (df['Sex'] == 'female')
girls.sum()

indexation par un masque¶

# le code

girls_df = df[girls]
girls_df.head(2)

# avec .loc (même si on ne l'a pas encore vu...)

girls_df = df.loc[girls]
girls_df.head(2)

value_counts()¶

children.sum()

children.value_counts()

valeurs manquantes¶

contexte général¶

valeurs manquantes dans une colonne¶

# le code
df['Age'].isna()

df['Age'].isna().sum()

# remarquez qu'on peut tout aussi bien
# utiliser le sum() de np ou de Python

import numpy as np
np.sum(df['Age'].isna()), sum(df['Age'].isna())

valeurs manquantes sur une dataframe¶

# le code
df.isna()

compter les valeurs manquantes¶

dans l’autre direction (axis=1)¶

# le code
df.isna().sum()       # c'est la
df.isna().sum(axis=0) # même chose

# le code
df.isna().sum(axis=1)

les fonctions numpy d’agrégation¶

df.isna().sum().sum()

# le code
df.isna().to_numpy()

# le code
np.sum(df.isna().to_numpy())
df.isna().to_numpy().sum()

exercice valeurs uniques¶

1. lisez la data-frame du titanic df

# votre code

2. utilisez la méthode pd.Series.unique (1) pour compter le nombre de valeurs uniques
   des colonnes 'Survived', 'Pclass', 'Sex' et 'Embarked'
   vous pouvez utiliser un for-python pour parcourir la liste cols des noms des colonnes choisies

(1) servez-vous du help pd.Series.unique?

# votre code

3. utilisez l’expression df[cols] pour sélectionner la sous-dataframe réduite à ces 4 colonnes
   et utilisez l’attribut dtypes des pandas.DataFrame pour afficher le type de ces 4 colonnes

# votre code

4. que constatez-vous ?
   quel type serait plus approprié pour ces colonnes ?

# votre code

exercice conditions¶

1. lisez la data-frame des passagers du titanic

# votre code

2. comptez les valeurs manquantes: dans toute la table, par colonne et par ligne

# votre code

3. calculez le nombre de classes du bateau

# votre code

4. calculez le taux d’hommes et de femmes
   indice: voyez les paramètres optionnels de Series.value_counts()

# votre code

5. calculez le taux de personnes entre 20 et 40 ans (bornes comprises)

# votre code

6. calculez le taux de survie des passagers

# votre code

7. calculez le taux de survie des hommes et des femmes par classes
   i.e. pour chacun des 6 groupes (hommes/femmes) x (classe 1/2/3)
   (notez qu’on reverra ces décomptes d’une autre manière)

# votre code