Pandas

Informations
Créateur	Wes McKinney
Développé par	Wes McKinney, J. Brock Mendel (d), Joris Van den Bossche (d) et Jeff Reback (d)
Dernière version	2.2.3 (20 septembre 2024)
Dépôt	github.com/pandas-dev/pandas
Assurance qualité	Intégration continue
Écrit en	Python
Système d'exploitation	Multiplateforme (en)
Formats lus	Hierarchical Data Format
Formats écrits	Hierarchical Data Format
Type	Bibliothèque logicielle Python (d); Numerical software (d)
Licence	Licence BSD
Documentation	pandas.pydata.org/docs/user_guide/index.html#user-guide
Site web	pandas.pydata.org

Pandas est une bibliothèque écrite pour le langage de programmation Python permettant la manipulation et l'analyse de données. Elle propose en particulier des structures de données et des opérations de manipulation de tableaux numériques et de séries temporelles.

Pandas est un logiciel libre sous licence BSD^[2]. Son nom est dérivé du terme Panel Data (en français "données de panel", un terme d'économétrie pour les jeux de données qui comprennent des observations sur plusieurs périodes de temps pour les mêmes individus). Son nom est également un jeu de mots sur l'expression "Python Data Analysis".

Entre 2007 à 2010, Wes McKinney a commencé à construire ce qui allait devenir Pandas alors qu'il était chercheur dans la société américaine AQR Capital.

Structures de données

Les principales structures de données gérées par cette bibliothèque sont :

Séries : stockage des données selon une dimension - grandeur en fonction d'un index
DataFrames : stockage des données selon 2 dimensions - lignes et colonnes ou avec des index hiérarchiques (MultiIndex) pour un stockage selon plus de 2 dimensions.

Fonctionnalités de la bibliothèque

Les principales fonctionnalités de la bibliothèque sont :

L'objet DataFrame est utile pour manipuler des données aisément et efficacement avec des index pouvant être des chaines de caractères ;
Des outils pour lire et écrire des données structurées en mémoire depuis et vers différents formats : fichiers CSV, fichiers textuels, fichier du tableur Microsoft Excel, base de données SQL ou le format rapide et permettant de gérer de gros volumes de données nommé HDF5 ;
Alignement intelligent des données et gestion des données manquantes (NaN = not a number).
Alignement des données basé sur des étiquettes (chaines de caractères).
Trier selon divers critères de données totalement désordonnées ;
Redimensionnement et table pivot ou pivot table en anglais (aussi nommé tableau croisé dynamique) ;
Fusion et jointure de large volume de données ;
Analyse de séries temporelles

Les voies critiques de la bibliothèque sont écrits en Cython ou C^[3].

Exemples

Courbes

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.DataFrame(np.random.randn(100, 5), columns=list('ABCDE'))
df=df.cumsum() # Return cumulative sum over a DataFrame or Series axis
df.plot()
plt.show()

Diagramme à barres

df = pd.DataFrame(np.random.rand(10, 5), columns=list('ABCDE'))
df.plot.bar(stacked=True)
plt.show()

Box plot

df = pd.DataFrame(np.random.rand(7, 5), columns=list('ABCDE'))
df.plot.box()
plt.show()

Histogramme

data = pd.Series(np.random.normal(size=100))
data.hist(grid=False)
plt.show()

Voir également

NumPy
SciPy
matplotlib
statsmodels
GNU R

Références

↑ « Release 2.2.3 », 20 septembre 2024 (consulté le 22 septembre 2024)
↑ http://pandas.pydata.org/pandas-docs/stable/overview.html#license
↑ Andreas C. Müller, Sarah Guido, Introduction to Machine Learning with Python, O'Reilly, 2016 (ISBN 978-1449369415, lire en ligne)

Liens externes

[wikidata-3f2416acfe8187adf98e2ed6878cdc790b90d1bf-1] « Release 2.2.3 », 20 septembre 2024 (consulté le 22 septembre 2024)

[2] ttp://pandas.pydata.org/pandas-docs/stable/overview.html#license

[3] Andreas C. Müller, Sarah Guido, Introduction to Machine Learning with Python, O'Reilly, 2016 (ISBN 978-1449369415, lire en ligne)

[1]

[2]

[3]