Gérer les valeurs manquantes avec pandas
Les données manquantes viennent de sources incomplètes ou d’erreurs de saisie.
Qu’est-ce que Gérer les valeurs manquantes avec pandas ?
Les données manquantes viennent de sources incomplètes ou d’erreurs de saisie.
Détecter et remplacer les valeurs absentes.
Quand l’utiliser ?
- Lire et nettoyer des données tabulaires.
- Analyser des fichiers CSV, API ou bases de données.
- Préparer statistiques et rapports.
Code d’exemple
main.py
import pandas as pd
import numpy as np
students = pd.DataFrame({"name": ["Ada", "Lin", "Sam"], "score": [95, np.nan, 85]})
students["score"] = students["score"].fillna(students["score"].median())
print(students)Résultat attendu
name score
0 Ada 95.0
1 Lin 90.0
2 Sam 85.0Fonctionnement
La médiane remplace NaN ; le choix entre suppression et imputation dépend du contexte.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices pratiques
Modifiez les entrées et testez les cas limites avant d’utiliser des données plus volumineuses.
- Ajoutez des lignes, colonnes et valeurs manquantes.
- Combinez filtrage, tri et groupby.
- Chargez un fichier réel et contrôlez ses dtypes.