Tu peux trouver ici un code exemple qui illustre cette analyse et manipulation de données
Groupby
Avant d’appliquer certaines fonctions, il peut être utile de « trier » les données. La fonction groupby permet de filtrer nos données et de récupérer toutes les lignes ou un élement est le même puis les autres.
Par exemple si j’ai une colone genre et un colonne salaire, je peux récupérer d’abord tous les hommes puis toutes les femmes afin de récupérer le salaire selon le genre.
genre_data.groupby(['Genre'])
Si on a plusieurs colonnes que l’on veut utiliser on peut les chainer
genre_data.groupby(['Colonne1','Colonne2'])
Moyenne : mean
On peut faire la moyenne sur une colonne :
data['colonne'].mean()
Ou après un groupby pour faire la moyenne sur certains éléments de la colonne
genre_data.groupby(['Genre']).mean()
Arrondi : round
Pour se débarrasser des virgules on peut utiliser la fonction round()
data['colonne'].mean().round()
min et max
On peut récupérer le minimun et le maximum d’une colonne
data['colonne'].min()
data['colonne'].max()
Compter les valeurs : value_counts
Pour compter le nombre de fois que chaque élément apparait dans une colonne :
data['colonne'].value_counts()
Afficher différents indicateurs statistiques
Pour afficher un tableau avec différents indicateurs statistiques (moyenne, minimum, maximum, médiane, quartiles, …) pour toutes les colonnes numériques :
data.describe()
Trier les valeurs
On peut trier les valeurs d’une base de données en indiquant la ou les colonnes de références dans l’ordre.
Par défaut c’est dans l’ordre croissant :
data.sort_values(by=['colonne'])
Mais on peut aussi avoir l’ordre décroissant :
data.sort_values(by=['colonne'], ascending=False)
Afficher des histogrammes
Pour afficher la répartition des données avec des histogrammes :
data['colonne'].plot.hist()
On peut aussi voir les histogrammes de différentes colonnes sur des figures différentes :
data[['colonne1','colonne2']].plot.hist(subplots = True)
Cette méthode est également compatible avec la fonction groupby() :
data[['Gender','BasePay']].groupby(['Gender']).plot.hist(subplots = True)
Il est possible de changer la taille de la figure :
data['colonne'].plot.hist(figsize = (largeur, hauteur)
