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')PythonParamètres 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 lesnpremières lignes (5 par défaut). C’est un aperçu rapide de la structure des données ;.tail(n)affiche lesndernières lignes, pratique pour vérifier la fin du jeu de données ;.sample(n)affichenlignes tirées au hasard, pour explorer différentes parties du jeu de données ;.columnsdonne 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 :
.shaperenvoie un tuple : le nombre de lignes, puis le nombre de colonnes ;.info()résume leDataFrame: 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 6100.000000Valeurs 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.Cityoudf['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 duDataFrame.
print(df.nunique())
# Les deux écritures donnent le même résultat
print(df.City.equals(df['City']))PythonName 6
Age 5
City 3
Salary 6
Gender 2
dtype: int64
TruePar 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))PythonCity
Paris 3
Lyon 2
Nice 1
Name: count, dtype: int64
City
Paris 3
Lyon 2
Nice 1
Name: count, dtype: int64Tu 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())Python31.333333333333332
4300.0
0 M
Name: Gender, dtype: strTu 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.

