Les données sont très souvent stockées sous forme tabulaire.

En effet, à la manière de tables SQL, les données sont généralement organisées sous la forme d’entrées, des lignes, qui possèdent des valeurs associées à des attributs, qui sont représentés par les colonnes de la table.

Pour traiter des données structurées sous la forme de tables, Python dispose d’une librairie incontournable, Pandas, qui permet de traiter des dataframes.

Que sont des dataframes ? Il s’agit précisément de tables de données.

Ici, vous avez accès à un ensemble de solutions à des problématiques que l’on peut rencontrer en manipulan des dataframes.

Architecture de dataframe

• Ajouter une Colonne à une Dataframe
• Supprimer des Colonnes d’une Dataframe en Python
• Obtenir la liste des Colonnes d’une Dataframe
• Changer l’Index d’une Dataframe

Autres

• Compter le Nombre d’Occurrences d’une Valeur dans la Colonne d’une Dataframe
• Faire la Jointure entre Deux Dataframes avec Pandas
• Garder seulement les lignes uniques d’une dataframe avec Pandas
• Convertir une dataframe en numpy array
• Supprimer une colonne constante dans une dataframe avec Pandas
• Filtrer les Valeurs d’une Colonne d’une Dataframe qui ne Contiennent pas un Mot
• Charger un CSV sans Header avec Pandas
• Itérer sur les Colonnes d’une Dataframe en Python

---