Filtrer les lignes d'un DataFrame avec pandas
Dans cette leçon, vous allez extraire les lignes d'un DataFrame pandas qui vérifient une condition.
Introduction
Le problème
Une analyse commence en général par réduire les données : uniquement les commandes de cette année, uniquement les élèves qui ont 90 ou plus, uniquement les paiements échoués. Parcourir les lignes une à une pour les trouver est lent et verbeux. pandas filtre tout un tableau avec une seule condition.
Imaginez-le ainsi
Filtrer des lignes, c'est ce que fait un enseignant qui descend la colonne des notes avec un surligneur, marque chaque ligne à 90 ou plus, puis ne photocopie que les lignes surlignées.
students["score"] >= 90🖍️ Surligner les lignes de 90 ou plus[True, False, True, False]📌 Quelles lignes sont surlignéesstudents[...]📠 Ne copier que les lignes surlignéeshigh_scores📋 Ada et Sam, avec leurs étiquettes de ligne d'originePour filtrer un DataFrame, on utilise une Series booléenne, avec un True ou un False par ligne, et on ne garde que les lignes où la condition vaut True.
Points clés
students["score"] >= 90donne True ou False pour chaque ligne.students[...]avec cette condition ne garde que les lignes True.high_scoresgarde les étiquettes de ligne d'origine 0 et 2.studentslui-même ne change pas.
Quand l’utiliser ?
- Sélectionner les lignes qui comptent avant de compter, de calculer des moyennes ou de tracer un graphique.
- Repérer des problèmes : valeurs manquantes, montants négatifs, tests échoués.
- Répartir des données en groupes pour les comparer.
Quand s'en passer
- Les règles très complexes : calculez un masque nommé pas à pas, ou utilisez
query()pour un code plus lisible. - Agréger par groupe : utilisez
groupbyau lieu de filtrer chaque groupe à la main.
Code d’exemple
import pandas as pd
students = pd.DataFrame({
"name": ["Ada", "Lin", "Sam", "Mia"],
"score": [95, 78, 91, 84],
})
high_scores = students[students["score"] >= 90]
print(high_scores)
Résultat de l’exécution
name score
0 Ada 95
2 Sam 91
Explication du code
L'expression students["score"] >= 90 crée une Series de True et de False, une valeur par ligne. En plaçant cette Series entre crochets, students[...], pandas ne garde que les lignes à True, le résultat contient donc Ada et Sam. Notez que les index d'origine (0 et 2) sont conservés.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices d’approfondissement
Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.
- Ajoutez des lignes, des colonnes et quelques valeurs manquantes aux données d’exemple.
- Combinez filtrage, tri et groupby pour produire un petit rapport.
- Lisez un vrai fichier de données, vérifiez le type de chaque colonne et traitez les valeurs invalides.
Erreurs fréquentes
Combiner des conditions avec and
and ne fonctionne pas sur des Series ; utilisez & avec des parenthèses autour de chaque condition.
students[students["score"] >= 80 and students["score"] < 90]
students[(students["score"] >= 80) & (students["score"] < 90)]
Leçon terminée ?
Marquez-la comme apprise pour suivre votre progression.
S'entraîner avec un défi
Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.
Tous les défis