# Référence rapide pandas

*DataFrames, sélection, agrégation, fusion et plus*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrames

### Créer des DataFrames

```
import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})
```

### Inspection

| Command | Description |
|---------|-------------|
| `df.head(n)` | n premières lignes (5 par défaut) |
| `df.tail(n)` | n dernières lignes |
| `df.shape` | Tuple de (lignes, colonnes) |
| `df.dtypes` | Type de données de chaque colonne |
| `df.info()` | Types de colonnes, comptes non nuls |
| `df.describe()` | Statistiques pour les colonnes numériques |
| `df.columns` | Noms des colonnes en tant qu'Index |
| `df.index` | Étiquettes des lignes |

## Lecture des données

### Lecteurs courants

```
df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)
```

### Écriture des données

```
df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")
```

### Options de lecture

| Command | Description |
|---------|-------------|
| `sep=";"` | Délimiteur personnalisé |
| `header=None` | Pas de ligne d'en-tête dans le fichier |
| `usecols=[0,2]` | Lire uniquement des colonnes spécifiques |
| `nrows=100` | Lire les 100 premières lignes |
| `na_values=["N/A"]` | Traiter comme NaN |

## Sélection

### Colonnes

```
df["name"]              # colonne unique (Series)
df[["name", "age"]]     # colonnes multiples (DataFrame)
df.name                 # accès par attribut (noms simples)
```

### Lignes avec loc / iloc

```
df.loc[0]              # ligne par étiquette
df.loc[0:2, "name"]    # lignes 0-2, colonne "name"
df.iloc[0]             # ligne par position
df.iloc[0:2, 0:2]     # 2 premières lignes, 2 cols
```

### loc vs iloc

| Command | Description |
|---------|-------------|
| `df.loc[row, col]` | Sélection par **étiquette** (fin inclusive) |
| `df.iloc[row, col]` | Sélection par **position** (fin exclusive) |
| `df.at[row, col]` | Accès scalaire rapide par étiquette |
| `df.iat[row, col]` | Accès scalaire rapide par position |

## Filtrage

### Filtrage booléen

```
df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]
```

### Gestion des données manquantes

```
df.isna().sum()          # compte NaN par colonne
df.dropna()              # supprimer les lignes avec NaN
df.fillna(0)             # remplir NaN par 0
df["col"].fillna(df["col"].mean())
```

### Tri

```
df.sort_values("age")                # croissant
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # multiple
```

## Agrégation

### Agrégations courantes

| Command | Description |
|---------|-------------|
| `df["col"].sum()` | Somme de la colonne |
| `df["col"].mean()` | Moyenne |
| `df["col"].median()` | Médiane |
| `df["col"].std()` | Écart-type |
| `df["col"].min() / .max()` | Min / max |
| `df["col"].count()` | Compte non nul |
| `df["col"].nunique()` | Nombre de valeurs uniques |
| `df["col"].value_counts()` | Fréquence de chaque valeur |

### Agrégations multiples

```
df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # statistiques résumées pour le numérique
```

## GroupBy

### Regroupement de base

```
df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)
```

### Groupes multiples

```
df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # lignes par groupe
```

### Transform et Apply

```
df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))
```

## Fusion

### Merge (jointure style SQL)

```
pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")
```

### Types de jointures

| Command | Description |
|---------|-------------|
| `how="inner"` | Conserver uniquement les lignes correspondantes (défaut) |
| `how="left"` | Toutes les lignes gauches, NaN si pas de correspondance |
| `how="right"` | Toutes les lignes droites |
| `how="outer"` | Toutes les lignes des deux côtés |

### Concaténation

```
pd.concat([df1, df2])             # empiler les lignes
pd.concat([df1, df2], axis=1)     # côte à côte
pd.concat([df1, df2], ignore_index=True)
```

## Tableaux croisés dynamiques

### Tableau croisé dynamique

```
df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)
```

### Remodelage

```
df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")
```

### Tableau de contingence

```
pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # pourcentages par ligne
```

## Séries temporelles

### Bases DateTime

```
df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()
```

### Plages de dates et rééchantillonnage

```
pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()
```

### Attributs d'accesseur

| Command | Description |
|---------|-------------|
| `.dt.year / .dt.month / .dt.day` | Extraire les composantes de date |
| `.dt.hour / .dt.minute` | Extraire les composantes d'heure |
| `.dt.day_name()` | Nom du jour de la semaine (Monday, etc.) |
| `.dt.days_in_month` | Jours dans ce mois |

## Motifs courants

### Renommer les colonnes

```
df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # tout remplacer
```

### Ajouter / modifier des colonnes

```
df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)
```

### Supprimer des colonnes / lignes

```
df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)
```

### Opérations sur les chaînes

```
df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # prénom
```