Aller au contenu
Moncoachdata
  • Accueil
  • Blog
  • Tutos
  • Programme Data
Connexion
Moncoachdata
Logo Numpy

Maîtriser NumPy : Le compagnon indispensable pour les Data Lovers

9
  • Principes de base des tableaux Numpy
  • Inspection de tableaux array de NumPy
  • Opérations sur les tableaux NumPy
  • Travailler avec des tableaux Numpy
  • NumPy pour le nettoyage de données
  • NumPy pour l’analyse statistique
  • NumPy pour l’algèbre linéaire
  • Techniques avancées pour NumPy
  • Optimisation des performances avec NumPy
Logo Pandas

Pandas : Un manuel complet pour les Data Lovers

10
  • Structures de données Pandas
  • Chargement et inspection des données dans Pandas
  • Sélection et indexation des données avec Pandas
  • Nettoyage de données avec Pandas
  • Manipulation de données avec Pandas
  • Agrégations de données avec Pandas
  • Visualisations de données avec Pandas
  • Traitement des données de séries temporelles avec Pandas
  • Traitement des données catégorielles avec Pandas
  • Pandas : Sujets avancés
Logo Matplotlib

Maîtriser Matplotlib : Un guide complet pour la visualisation de données

4
  • Tracé de base Matplotlib
  • Types de diagrammes Matplotlib
  • Multiples subplots Matplotlib
  • Matplotlib : Fonctionnalités avancées
Logo Seaborn

Maîtriser Seaborn : Démystifier les diagrammes complexes

6
  • Introduction Seaborn
  • Diagrammes catégoriels avec Seaborn
  • Diagrammes univariés avec Seaborn
  • Diagrammes bivariés avec Seaborn
  • Diagrammes multivariés avec Seaborn
  • Diagrammes matriciels avec Seaborn
Logo Plotly

Maîtriser Plotly : Laisse tes visualisations parler à travers Plotly

3
  • Modules importants de Plotly
  • Diagrammes de base avec Plotly
  • Plotly : diagrammes avancés
Logo Machine Learning

Machine Learning : Explorer ses nombreuses formes

5
  • Comment fonctionne le Machine Learning ?
  • Apprentissage automatique supervisé
  • Apprentissage Automatique non Supervisé
  • Apprentissage semi-supervisé
  • Apprentissage par renforcement
View Categories

Chargement et inspection des données dans Pandas

Temps de lecture: 7 minutes

0:00 / 7:25
  • Export PDF Download this page as a PDF
  • Open in ChatGPT Ask questions about this page (opens in a new tab)

Avant d’analyser quoi que ce soit, il faut charger des données avec Pandas dans un DataFrame, puis les inspecter. Pandas propose un large éventail de fonctions pour lire des données de sources et de formats très variés.

Lire des données depuis différentes sources (CSV, Excel, SQL, etc.) #

import pandas as pd

# Charger un fichier CSV
df_csv = pd.read_csv('data.csv')

# Charger un fichier Excel (nécessite openpyxl)
df_excel = pd.read_excel('data.xlsx')

# Choisir une feuille précise avec le paramètre sheet_name
df_sheet1 = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# Charger les données d'une table SQL via un moteur SQLAlchemy
from sqlalchemy import create_engine
engine = create_engine('sqlite:///mydatabase.db')
query = 'SELECT * FROM mytable'
df_sql = pd.read_sql_query(query, engine)

# Charger les tableaux d'une page web : 
# read_html renvoie une LISTE de DataFrames
url = 'https://example.com/data-table.html'
tables = pd.read_html(url)
df_html_table = tables[0]

# Charger un fichier JSON
df_json = pd.read_json('data.json')

# Charger un fichier Parquet (nécessite pyarrow)
df_parquet = pd.read_parquet('data.parquet')
Python

Paramètres importants de read_csv() à connaître :

  • filepath_or_buffer (le premier argument) : le chemin du fichier CSV. Tu peux fournir un chemin (chaîne de caractères), une URL ou un objet de type fichier ;
  • names : une liste de noms pour remplacer les noms de colonnes ;
  • sep (pour separator) : le caractère qui sépare les champs. La valeur par défaut est la virgule (,), mais tu peux utiliser une tabulation ('\t'), un point-virgule (';') ou tout autre délimiteur ;
  • index_col : la ou les colonnes à utiliser comme index. Tu peux donner un nom de colonne ou une position (à partir de 0) ;
  • skiprows : le nombre de lignes à sauter au début du fichier, utile quand il commence par des métadonnées ou des commentaires.

Afficher un DataFrame #

Charger les données, c’est bien. Les voir, c’est mieux : afficher un DataFrame est la première étape pour comprendre son contenu. Dans un notebook, il suffit de taper le nom du DataFrame dans une cellule pour voir les premières et les dernières lignes. Pandas propose aussi plusieurs méthodes pour afficher une partie précise :

  • .head(n) affiche les n premières lignes (5 par défaut). C’est un aperçu rapide de la structure des données ;
  • .tail(n) affiche les n dernières lignes, pratique pour vérifier la fin du jeu de données ;
  • .sample(n) affiche n lignes tirées au hasard, pour explorer différentes parties du jeu de données ;
  • .columns donne les noms des colonnes.

Dans la suite du tuto, on utilise ce petit DataFrame d’exemple :

import pandas as pd

df = pd.DataFrame({
    "Name": ["Alice", "Bob", "Charlie", "David", "Emma", "Frank"],
    "Age": [25, 30, 35, 40, 28, 30],
    "City": ["Paris", "Lyon", "Paris", "Nice", "Lyon", "Paris"],
    "Salary": [3200, 4100, 5200, 6100, 3800, 4500],
    "Gender": ["F", "M", "M", "M", "F", "M"],
})

print(df.head(3))
print(df.tail(2))
print(df.columns)
Python
      Name  Age   City  Salary Gender
0    Alice   25  Paris    3200      F
1      Bob   30   Lyon    4100      M
2  Charlie   35  Paris    5200      M
    Name  Age   City  Salary Gender
4   Emma   28   Lyon    3800      F
5  Frank   30  Paris    4500      M
Index(['Name', 'Age', 'City', 'Salary', 'Gender'], dtype='str')

Explorer les données : shape, info, describe #

Ce sont les premières choses à vérifier quand tu découvres un jeu de données :

  • .shape renvoie un tuple : le nombre de lignes, puis le nombre de colonnes ;
  • .info() résume le DataFrame : types de données, nombre de valeurs non nulles et utilisation de la mémoire. Pour voir uniquement les types, utilise .dtypes ;
  • .describe() calcule des statistiques de base pour chaque colonne numérique : nombre de valeurs, moyenne, écart type, minimum, maximum et quartiles.
print(df.shape)
df.info()
print(df.describe())
Python
(6, 5)
<class 'pandas.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   Name    6 non-null      str
 1   Age     6 non-null      int64
 2   City    6 non-null      str
 3   Salary  6 non-null      int64
 4   Gender  6 non-null      str
dtypes: int64(2), str(3)
memory usage: 372.0 bytes
             Age       Salary
count   6.000000     6.000000
mean   31.333333  4483.333333
std     5.354126  1038.107252
min    25.000000  3200.000000
25%    28.500000  3875.000000
50%    30.000000  4300.000000
75%    33.750000  5025.000000
max    40.000000  6100.000000

Valeurs uniques, comptages et statistiques de base #

Pour les colonnes catégorielles ou discrètes, tu peux explorer les valeurs uniques et leur fréquence :

  • .nunique() compte le nombre de valeurs uniques de chaque colonne. C’est pratique pour comprendre la diversité des colonnes catégorielles ;
  • .value_counts() compte les occurrences de chaque valeur d’une colonne ;
  • Accéder à une colonne : df.City ou df['City'] donnent le même résultat. La notation avec crochets fonctionne toujours, alors que la notation avec un point ne marche que si le nom de la colonne ne contient ni espace ni caractère spécial, et ne porte pas le nom d’une méthode du DataFrame.
print(df.nunique())

# Les deux écritures donnent le même résultat
print(df.City.equals(df['City']))
Python
Name      6
Age       5
City      3
Salary    6
Gender    2
dtype: int64
True

Par défaut, value_counts() ne compte pas les valeurs manquantes. Ajoute dropna=False pour les inclure :

print(df['City'].value_counts())

# dropna=False compte aussi les valeurs manquantes (NaN)
print(df['City'].value_counts(dropna=False))
Python
City
Paris    3
Lyon     2
Nice     1
Name: count, dtype: int64
City
Paris    3
Lyon     2
Nice     1
Name: count, dtype: int64

Tu peux enfin calculer des statistiques sur des colonnes précises : somme, minimum, maximum, moyenne, médiane ou mode.

print(df.Age.mean())
print(df.Salary.median())
print(df.Gender.mode())
Python
31.333333333333332
4300.0
0    M
Name: Gender, dtype: str

Tu sais maintenant charger un jeu de données et en faire une première inspection. La suite de la série porte sur la sélection et l’indexation des données avec Pandas. Pour les détails de chaque fonction de lecture, consulte aussi la documentation officielle de Pandas sur les entrées/sorties.

Pour aller plus loin, consulte aussi notre guide des 10 astuces Pandas en Python.

Du fichier CSV brut à la première analyse. C’est le chemin que suit le cours Analyse et visualisation de données : tu charges, tu inspectes, tu résumes, puis tu traces.

Guide Pandas Bases

Partager ce tuto :

  • Facebook
  • X
  • LinkedIn
Structures de données PandasSélection et indexation des données avec Pandas
Table des matières
  • Lire des données depuis différentes sources (CSV, Excel, SQL, etc.)
  • Afficher un DataFrame
  • Explorer les données : shape, info, describe
  • Valeurs uniques, comptages et statistiques de base

Apprentissage

  • Cours accéléré NumPy
  • Nos programmes Data
  • Guide Pandas
  • Guide NumPy
  • Les modèles de Machine Learning expliqués
  • Mon Shot de Data Science
  • Tutoriels Data Science

Le site

  • Articles
  • Communauté
  • Newsletter
  • Connexion

À propos

  • CGV
  • Contact
Payment Options
Reçois chaque semaine mes meilleures pratiques en Data Science :

© 2026 MonCoachData - Data Science & Machine Learning

YouTube Discord GitHub Linkedin RSS
Défiler vers le haut
  • Accueil
  • Blog
  • Tutos
  • Programme Data
Connexion
Discord DiscordYouTube YouTube
Rechercher