Exécuter pandas en ligne

Gérer les données manquantes dans pandas

Dans cette leçon, vous allez repérer les valeurs manquantes (NaN) d'un DataFrame et les remplacer par la médiane de la colonne.

  • Intermédiaire
  • 2 min de lecture
  • 1 exemple exécutable

Introduction

Le problème

Les vraies données ont des trous : une question de sondage sans réponse, un capteur qui a raté une mesure, une case laissée vide. Beaucoup de calculs cassent ou donnent des réponses trompeuses si on ignore les trous ; il faut donc les trouver et décider quoi en faire.

Imaginez-le ainsi

Gérer les valeurs manquantes, c'est comme un enseignant dont le carnet de notes a une case vide. Il peut laisser l'élève de côté, ou remplir la case avec une estimation juste comme la note médiane de la classe. Dans les deux cas, la décision est prise volontairement.

De la case vide du carnet au code
np.nan⬜ La case vide
students["score"].median()📏 Une estimation juste : la note du milieu, 90
.fillna(...)🖊️ Remplir la case vide avec
students["score"] = ...💾 Réenregistrer la colonne remplie
Trouvez les trous, puis remplissez-les ou supprimez-les volontairement.
En une phrase

Les valeurs manquantes sont des cases sans donnée, affichées NaN ; vous pouvez les remplir avec une valeur comme la médiane ou supprimer les lignes qui en contiennent.

Points clés

  1. np.nan marque la note de Lin comme manquante.
  2. students["score"].median() ignore le trou et renvoie 90.0, le milieu de 95 et 85.
  3. .fillna(...) remplace le trou par cette valeur.
  4. Réaffecter à students["score"] garde la modification ; la colonne devient float car NaN est un float.

Quand l’utiliser ?

  • Nettoyer des données de sondage, de capteurs et de formulaires avant l'analyse.
  • Remplir les trous avec une valeur typique pour que les calculs puissent tourner.
  • Compter les trous avec isna().sum() pour juger la qualité des données.

Quand s'en passer

  • La plupart des valeurs d'une colonne manquent : les remplir invente des données ; envisagez de supprimer la colonne.
  • Le fait qu'une valeur manque est lui-même important : gardez une colonne True/False séparée avant de remplir.

Code d’exemple

Exécuter le code →
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)
Obtenir un bouton Run pour cet exemple

Résultat de l’exécution

name  score
0  Ada   95.0
1  Lin   90.0
2  Sam   85.0

Explication du code

La médiane est calculée à partir des notes disponibles, 95 et 85, et vaut 90. La méthode fillna() remplace le NaN de Lin par 90. Le résultat est réaffecté à la colonne score pour que la modification soit enregistrée dans le DataFrame. Utiliser la médiane plutôt que la moyenne rend le résultat moins sensible aux valeurs très grandes ou très petites.

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.

  1. Ajoutez des lignes, des colonnes et quelques valeurs manquantes aux données d’exemple.
  2. Combinez filtrage, tri et groupby pour produire un petit rapport.
  3. Lisez un vrai fichier de données, vérifiez le type de chaque colonne et traitez les valeurs invalides.
Exécuter dans le compilateur Python →

Erreurs fréquentes

Ne pas enregistrer le résultat

fillna renvoie une nouvelle Series ; sans l'affecter, rien ne change.

Problème
students["score"].fillna(students["score"].median())
Correction
students["score"] = students["score"].fillna(students["score"].median())

Leçon terminée ?

Marquez-la comme apprise pour suivre votre progression.