Introduction à Pandas

C'est quoi Pandas ?

Pandas est une bibliothèque open source pour Python, publiée pour la première fois en 2008 par Wes McKinney. Elle est aujourd'hui maintenue par une large communauté et fait partie de l'écosystème standard de la data science avec NumPy, Matplotlib et Scikit-learn.

Son nom vient de l'expression panel data, un terme issu de l'économétrie qui désigne des jeux de données structurés sur plusieurs dimensions. En pratique, vous n'avez pas besoin de connaître ce contexte — ce qui compte, c'est ce que Pandas vous permet de faire : charger, explorer, nettoyer et transformer des données sous forme de tableaux.

Si vous avez déjà travaillé avec Excel ou des feuilles de calcul, l'idée est proche : des lignes, des colonnes, des cellules. La différence, c'est que vous manipulez tout ça en Python, avec beaucoup plus de contrôle et de puissance dès que les données deviennent volumineuses ou complexes.

Pourquoi utiliser Pandas plutôt qu'autre chose ?

Python de base peut traiter des données avec des listes et des dictionnaires. Mais dès que vous avez un fichier CSV de 10 000 lignes à analyser, écrire tout à la main devient fastidieux et fragile. Pandas résout exactement ce problème.

Voici ce que Pandas apporte concrètement :

• Lecture de fichiers en une seule ligne : CSV, Excel, JSON, SQL, et d'autres formats courants.
• Sélection et filtrage de données sans écrire de boucles manuelles.
• Nettoyage des données : gestion des valeurs manquantes, suppression des doublons, conversion de types.
• Agrégations et statistiques : moyenne, somme, groupements — tout ce dont vous avez besoin pour résumer un jeu de données.
• Intégration directe avec Matplotlib et Seaborn pour la visualisation.

Par rapport à d'autres outils comme NumPy, Pandas est pensé pour les données hétérogènes : une colonne peut contenir des entiers, une autre des chaînes, une autre des dates. NumPy, lui, fonctionne mieux avec des tableaux de valeurs homogènes (tous des nombres). Les deux se complètent souvent dans un même projet.

Les deux structures fondamentales

Pandas repose sur deux objets principaux. Vous les rencontrerez dans tous les exemples de ce cours.

Une Series est une colonne de données : une liste de valeurs indexées. Pensez-y comme à une colonne d'Excel avec un titre.

Un DataFrame est un tableau complet : plusieurs colonnes Series assemblées, avec un index commun. C'est la structure que vous manipulerez le plus souvent. Toute la suite du cours tourne autour du DataFrame.

Voici un aperçu de ce que ça ressemble en code :

import pandas as pd

# Une Series : une colonne de prénoms
prenoms = pd.Series(["Alice", "Bob", "Clara"])

# Un DataFrame : un tableau avec plusieurs colonnes
data = {
    "prénom": ["Alice", "Bob", "Clara"],
    "âge": [28, 34, 22],
    "ville": ["Paris", "Lyon", "Marseille"]
}
df = pd.DataFrame(data)
print(df)

Ce code produit un tableau bien structuré avec des colonnes nommées et un index numérique automatique. Vous verrez comment lire ce genre de sortie et l'interpréter dans les prochaines pages.

Ce que vous allez apprendre dans ce cours

Ce tutoriel Pandas est organisé par étapes. Vous commencez par l'installation et les bases, puis vous montez progressivement vers des opérations plus avancées :

• Installer Pandas et vérifier que tout fonctionne
• Comprendre les Series et les DataFrames en détail
• Créer des DataFrames depuis des dictionnaires, des fichiers CSV et Excel
• Explorer, filtrer et sélectionner des données
• Nettoyer des données réelles (valeurs manquantes, doublons, types)
• Grouper, fusionner et concaténer des tableaux
• Calculer des statistiques et des corrélations
• Visualiser les résultats avec Matplotlib et Seaborn
• Appliquer tout ça sur des projets concrets

Chaque page du cours est autonome : vous pouvez la lire dans l'ordre ou aller directement au sujet qui vous intéresse. Les exemples de code sont testables immédiatement dans un terminal Python ou un notebook Jupyter.

Pandas version utilisée dans ce cours : 2.x (compatible Python 3.9 et supérieur). Si vous avez une version antérieure, certaines syntaxes peuvent légèrement différer.

Par carabde | Mis à jour le 26 avril 2026