création de dataframe

ne pas faire en cours, lire en autonomie

import pandas as pd
import numpy as np

de très nombreuses voies sont possibles pour créer une dataframe par programme
en voici quelques-unes à titre d’illustration
voyez la documentation de pd.DataFrame? pour les détails

à partir d’une liste de dicts (les lignes)¶

lines_as_dicts = [
    {'name': 'snail',    'speed': 0.1,  'lifespan': 2},
    {'name': 'pig',      'speed': 17.5, 'lifespan': 8},
    {'name': 'elephant', 'speed': 40,   'lifespan': 70},
    {'name': 'rabbit',   'speed': 48,   'lifespan': 1.5},
]

pd.DataFrame(lines_as_dicts)

à partir d’un dict de list (les colonnes)¶

# le code

cols_dict = {
    'name' :     ['snail', 'pig', 'elephant', 'rabbit'],
    'speed' :    [0.1,      17.5,         40,       48],
    'lifespan' : [2,           8,         70,      1.5],
}

df = pd.DataFrame(cols_dict)
df

pareil avec un index¶

# le même effet que la précédente, si on avait mis 'name' commme index

cols_dict = {
    'speed' :    [0.1,      17.5,         40,       48],
    'lifespan' : [2,           8,         70,      1.5],
}

line_ids =  ['snail', 'pig', 'elephant', 'rabbit']

pd.DataFrame(cols_dict, index = line_ids)

à partir d’un tableau numpy¶

# sans préciser, on obtient un RangeIndex dans les deux directions

nd = np.array([
    [ 0.1,  2. ],
    [17.5,  8. ],
    [40. , 70. ],
    [48. ,  1.5],
])

pd.DataFrame(nd)

# ici on indique les index dans les deux directions

pd.DataFrame(
    nd,
    index=['snail', 'pig', 'elephant', 'rabbit'],
    columns = ['speed', 'lifespan'],
)

exercice : création de df et type des éléments¶

1. créer un numpy.ndarray à partir de la liste suivante

animals = [['snail', 0.1, 2.0],
           ['pig', 17.5, 8.0],
           ['elephant', 40.0, 70.0],
           ['rabbit', 48.0, 1.5],
           ['giraffe', 52.0, 25.0],
           ['coyote', 69.0, 12.0],
           ['horse', 88.0, 28.0]]

# votre code

2. Affichez le type des éléments de la table
   Que constatez-vous ? (U = Unicode) Que se passe-t-il si on essaie d’affecter dans la case (2, 0) la chaine "grey elephant more than 32 charaters long" Remettez-y le mot "elephant"

# votre code

3. créez une pandas.DataFrame à partir du tableau numpy
   et avec pour noms de colonnes 'names', 'speed' et 'lifespan'

   le passage par numpy est-il une bonne idée ?

   dans cet exercice on vous impose de passer par le tableau numpy, ce qui en l’espèce n’est pas forcément la meilleure idée
   mais ça peut être intéressant de voir ce que ça donne ... :)

# votre code

4. affichez la valeur et le type du 'lifespan' de l’éléphant
   Que constatez-vous ?
   (object signifie ici str)

# votre code

5. affichez la valeur et le type du 'names' de l’éléphant
   Que constatez-vous ?

# votre code

6. avec loc ou iloc, modifiez la valeur elephant par 'grey elephant more than 32 charaters long'
   affichez la valeur et le type du 'names' de l’éléphant
   un constat ?

# votre code

7. affichez le type des colonnes
   utilisez l’attribut dtypes des pandas.DataFrame

# votre code

8. avec la méthode df.to_numpy
   affichez le tableau numpy sous-jacent de votre data-frame
   affichez le type du tableau
   que constatez-vous ?

# votre code

9. modifiez les colonnes 'speed' et 'lifespan' de manière à leur donner le type float
   (utilisez pandas.Series.astype voir les rappels en fin d’exercice)

# votre code

10. pour comparer, construisez directement une dataframe à partir de l’objet liste
    a-t-on besoin dans ce cas de convertir les types des colonnes ?

# your code