Introduction à l’analyse de données

Séance 3 - requêtes avancées

Emmanuel Coquery

Page de l’UE

Vu précédement

• Données tabulaires
• Pandas pour charger des données
• Dataframes, Series, index
• Filtrer les données (colonnes, lignes)

Exercices de la séance 2

• 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.

Calculer

Expressions où certaines valeurs sont des Series

• les Series doivent utiliser le même index
• produit une Series
  • avec le même index
• chaque ligne résultat est obtenue
  • en évaluant l’expression
  • les Series de l’expression sont remplacées par leur valeur pour cette ligne

Exemples

  df['RT'] / 1000

  df['Dist_A'] - df['Dist_B']

Ajouter une colonne

Faire une affectation sur la colonne à créer

• notation ['macolonne'] pour indiquer le nom de la nouvelle colonne
• la valeur rangée est une Series

Exemple

df['diff_dist'] = df['Dist_A'] - df['Dist_B']

Attention: modifie la Dataframe

Combiner des Dataframes

Concaténation

• .concat([df1,df2,df3])
  

  • concaténation des lignes
  • indexes avec valeurs différentes

• .concat([df1,df2,df3],
          axis=1, join="inner")
  

  • concaténation des colonnes
  • même index

Exercice

• Découper les données en 2:
  • une Dataframe pour les essais où le temps de réponse est plus petit ou égal à 2 s
  • une Dataframe pour les essais où le temps de réponse est plus grand que 2 s
• Réassembler les Dataframes via concat
• Que dire de l’ordre de l’index ?