Python-numérique - les tables de données

# le code
import pandas as pd
pd.__version__

# le code
df = pd.read_csv('data/titanic.csv')
type(df)

# pour afficher les premières lignes
# à votre avis, comment on voit les dernières lignes ?
df.head(2)

# le code
# %pip install openpyxl

# le code
df1 = pd.read_excel('data/titanic.xlsx')

# le code

# pas besoin de 6 chiffres après la virgule
pd.options.display.precision = 2

df.describe()

df[['Age', 'Fare']].describe()

# le code
df.describe(include='all')

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

# le code
df.columns

df.columns[0]

df['Age'].head(4)

# type Series
type(df['Age'])

# on peut aussi passer une liste de colonnes
# auquel cas on récupère une dataframe
df[['Age', 'Sex']].head()

# a simple helper function to create a big table

def big_table(N):
    df = pd.DataFrame({'n': range(1, N + 1)})
    df['square'] = df['n'] ** 2
    return df

big = big_table(100_000)
big.head(3)

%%time

# 1. on extrait un bout de la dataframe
# ce qui nous renvoie une copie
# ça devrait donc prendre un peu du temps
# mais en fait non !

series = big['square']

%%time

# 2. on modifie la première valeur
# c'est lent !
# c'est parce que, comme c'est la première qu'on cherche à écrire, on copie d'abord
# Copy before Write - en + court, Copy on Write

%timeit series[0] = 1_000_000

%%time

# 3. on modifie la seconde valeur
# cette fois c'est rapide, car plus besoin de faire la copie

series[1] = 1_000_001

# EPILOGUE
# si vous ne devez retenir qu'une seule chose, c'est ceci:
# la dataframe d'origine N'A PAS été changée:

big.head(3)

# le code
# on peut aussi accéder à une colonne par un attribut
# qui est une notation plus lisible
df.Age

# le code
type(df['Age'])

# le code - option 1.
df = pd.read_csv('data/titanic.csv', index_col='PassengerId')

# le code - option 2.
df = pd.read_csv('data/titanic.csv')

# la table avant
df.head(1)

# la table après
# remarquez que 'PassengerId'
# n'est plus présenté de la même manière

df = df.set_index('PassengerId')
df.head(1)

# le code - option 3
# la méthode set_index avec son paramètre inplace à True
# modifie directement la table sans renvoyer une nouvelle dataframe

df = pd.read_csv('data/titanic.csv')
df.set_index('PassengerId', inplace=True)
df.head(1)

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

# ici on obtient bien la première ligne !

# quand on indexe une Series,
# c'est par l'index (552)
# et non pas par l'indice qui ici serait 0
df['Name'][552]

# le code
df = pd.read_csv('data/titanic.csv', index_col='PassengerId')
print(df.shape)
print(df.ndim)

# pour voir le contenu du fichier

%cat data/petit-titanic.csv

# remarquez qu'on peut aussi voir ce contenu en Python pur
#with open("data/petit-titanic.csv") as f:
#    for line in f:
#        print(line, end="")

# votre code

# votre code

# votre code

# votre code

# votre code

# votre code

# votre code