Programme Leçon 81 sur 250 · Bases des données : numpy et pandas
Bases des données : numpy et pandas

Nettoyer des données en désordre

Les vrais tableaux ont des trous et des types faux. pandas marque une valeur manquante comme NaN (Not a Number). Soit tu la remplis, soit tu la retires.

import pandas as pd
import numpy as np
df = pd.DataFrame({
    "name": ["Ada", "Bo", "Cy"],
    "age":  [30, np.nan, 35],
})
print(df["age"].fillna(0))    # replace NaN with 0
print(df.dropna())            # drop any row that has a NaN

Une astuce courante consiste à remplir les nombres manquants avec la moyenne de la colonne :

mean_age = df["age"].mean()        # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)

Change le type d'une colonne avec astype, et renomme des colonnes avec rename :

df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})

Pour transformer chaque valeur d'une colonne, utilise apply avec une fonction. Elle exécute la fonction sur chaque cellule et renvoie une nouvelle Series :

def initial(s):
    return s[0]
df["letter"] = df["first_name"].apply(initial)
# you can also use a lambda:
df["letter"] = df["first_name"].apply(lambda s: s[0])
À ton tour

Le DataFrame ci-dessous a un âge manquant (NaN). Remplis la valeur manquante de la colonne age avec la moyenne de la colonne (en ignorant NaN), puis convertis toute la colonne age en int. Enfin, ajoute une nouvelle colonne name_len qui contient la longueur de chaque nom (utilise .apply avec len).

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.