Introduction à l’analyse de données

Séance 4 - requêtes avancées (suite)

Emmanuel Coquery

https://perso.liris.cnrs.fr/emmanuel.coquery/home/enseignement/ue8/

Vu précédement

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

Jointure (merge)

Combiner deux Dataframes

• Les lignes sont combinées quand elles ont même valeur sur les colonnes/index spécifiés
• Les colonnes viennent des deux Dataframes d’origine

Exemple

Au tableau

Digression

Dataframe dans le code

dist_i_m = pandas.DataFrame(
    { "Dist_I_m": [ 0.2, 0.3, 0.4, 0.6, 0.8 ] },
    index = [1,2,3,4,5]
)

• Que représente la Dataframe obtenue ?
• En faire une deuxième pour Dist mais avec une colonne pour la valeur correspondante à un Space externe

Jointure via merge

Exemple

pandas.merge(df, dist_i_m, left_on='Dist_A', right_index=True)

Expliquer le rôle de chaque argument de merge

Renommage de colonne

Changer le nom d’une ou plusieurs colonnes

df_r = df.rename(columns={
    'col1': 'col1_renommee',
    'col2': 'col2_renommee'})

Exercice

• Créer une Dataframe où Dist_A et Dist_B sont remplacées par des colonnes Dist_A_m et Dist_B_m avec les distances en mètres
  • Attention aux changement d’échelle selon valeur de Space.

Aggrégations de lignes

(groupby)

Calculer un résultat en regroupant des lignes

e.g. calculer des moyennes par participant

Critère de regroupement: on regroupe les lignes ayant la même valeur pour une colonne particulière

Syntaxe du groupby

ma_dataframe.groupby(by="ma_colonne").ma_fct_aggregation()

Exemple

df.groupby(by='Subject').mean()

• Quel est l’index de la Dataframe résultat ?

Exercices

• Donner le temps de réaction maximal par sujet.
• Donner le temps de réaction moyen par premier nom (Name_a).
• Donner le temps de réaction moyen selon la distance en mètres du premier prénom prononcé.
• Donner le sujet ayant le plus faible temps de réaction moyen (utiliser .idxmin()).