Serveur Jupyter de l’UCBL1
https://jupyter.univ-lyon1.fr
- choisir un serveur (e.g. Serveur M2)
- se connecter avec les identifiants de l’université
- type de serveur: choisir Jupyter Lab puis Start
- choisir un fichier ou créer un notebook Python 3
Prise en main
Reprendre et exécuter dans Jupyter les petits exemples
Python de la séance 1.
Durant la séance utiliser les cellules “Markdown” pour prendre des notes.
Données de travail
Télécharger
avant le 05/10/2023
(mot de passe fourni en cours)
Déposer le fichier excel dans l’espace jupyter
- Renommer le fichier pour supprimer l’accent et remplacer les espaces par
_
Pandas
Bibliothèque de manipulation de données tabulaires
2 structures principales
- Dataframe: tableau à plusieurs colonnes
- Series: tableau à 1 dimension
Documentation
En pratique
-
Une cellule pour charger pandas
-
Une cellule pour charger dans un Dataframe le contenu du fichier excel:
df = pandas.read_excel("Donnees_M2_RD.xlsx")
df
-
Faire le lien entre les colonnes et la notice en pdf
Index
- Valeur permettant d’identifier une ligne
- exemples:
- numéro (pas forcément consécutif)
- date
- string
Quelles valeurs sont utilisées comme index dans le Dataframe précédent ?
Colonnes d’un Dataframe (projection)
madataframe['macolonne']
madataframe[['macolonne','monautrecolonne']]
On obtient une Series
- Afficher (indépendamment) chacune des colonnes du Dataframe exemple.
- Que peut-on dire sur les index des séries obtenues?
Valeurs uniques
Valeurs uniques dans une série:
maserie.drop_duplicates()
- Vérifier les différentes valeurs des différentes colonnes du jeu de données.
- Que dire des index ?
Quelques statistiques simples
Sur une Series / Dataframe, on peut extraire des statistiques via:
.min(), .max(), .count().mean(), .std() (écart type), .quantile(q)
Quelques statistiques simples (suite)
- Comparer l’effet de
.min() sur la colonne RT et sur toute la Dataframe.
- Utiliser
quantile avec comme argument la valeur 0.25.
- Utiliser
quantile avec comme argument le tableau [0.25,0.5,0.75].
Filtrer les données (sélection)
Ne garder que les lignes intéressantes
- principe: exprimer qu’une line est intéressante via une condition
- porte sur la/les valeur(s) de la ligne
- si la condition s’évalue à vrai: on garde la ligne
Series booléennes dans Pandas
Exemple
- tester avec la Series de la colonne
RT
- expliquer l’effet de la comparaison sur la série
On peut utiliser ==, >, <, >=, <=
Sélection dans une Dataframe
- Series boolenne avec index commun à une Dataframe
- On conserve dans la Dataframe les index qui correspondent à True dans la Series
syntaxe
Exemple
- Placer la Series booléenne précédente dans une variable
- Utiliser cette série pour filtrer la Dataframe de départ
- Obtenir le même résultat sans passer par une variable intermédiaire
Conditions plus complexes
-
On peut combiner deux Series booléennes via
& (et), | (ou) et ~ (non)
-
Attention: mettre des parenthèses autour des comparaisons, par exemple
(df['colonne1'] > 12) | (df['colonne2'] == 5)
Exemple
- Créer une Series booléenne vraie pour les index correspondant à un
Name_A qui vaut 0 et un RT supérieur à 14000
- Utiliser la Series pour filtrer la Dataframe et vérifier le résultat
Combiner les calculs
- Une sélection sur une Dataframe produit une Dataframe
- Une projection produit une Dataframe ou une Series
- On peut utiliser les opérations vues jusqu’ici sur la nouvelle Dataframe/Series
Exercices
- Donner le nombre de sujets.
- Donner le nombre d’essais pour lesquels le deuxième prénom est Justin.
- Donner le nombre d’essais ayant un temps de réponse supérieur à 20000 ms.
- Donner la moyenne des temps de réponse lorsque le prénom joué en premier est celui du sujet.
- Les sujets ayant au moins une fois répondu en plus de 50000 ms.