Programme Leçon 82 sur 250 · Bases des données : numpy et pandas
Bases des données : numpy et pandas

Regrouper et fusionner

Deux opérations débloquent l'essentiel de l'analyse de données : groupby (répartir les lignes en groupes et résumer chacun) et merge (joindre deux tableaux sur une clé commune).

groupby suit le schéma diviser-appliquer-combiner. Regroupe par une colonne, puis agrège :

import pandas as pd
sales = pd.DataFrame({
    "region": ["N", "S", "N", "S"],
    "amount": [100, 200, 150, 50],
})
print(sales.groupby("region")["amount"].sum())
# region
# N    250
# S    250

Utilise .agg pour calculer plusieurs résumés d'un coup :

print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))

merge joint des tableaux qui partagent une colonne. Ici, les deux tableaux ont region :

info = pd.DataFrame({
    "region":  ["N", "S"],
    "manager": ["Ada", "Bo"],
})
joined = sales.merge(info, on="region")
print(joined)   # each sales row gains its region's manager

Par défaut, c'est une jointure interne : seules les clés présentes dans les deux tableaux survivent. Passe how="left" pour garder chaque ligne du tableau de gauche même sans correspondance.

À ton tour

Deux DataFrames sont fournis. D'abord, regroupe orders par customer et additionne la colonne total, en rangeant la Series obtenue dans by_customer. Ensuite, fusionne orders avec customers sur la colonne customer (jointure interne) et range le DataFrame fusionné dans merged.

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.