Introduction à Python

Intérêt de Python

Langage de programmation en pleine croissance dans le domaine de la Data Science et du Big Data

• Utilisation en mode console : Langage scripté (comme R, bash, SQL...)

  • Exécution des commandes les unes après les autres

• 2 utilisations classiques

  • Ecriture d'un script dans un fichier texte (souvent avec l'extension .py)
  • Utilisation du mode notebook
    • Module jupyter à installer
    • Documents contenant à la fois le code, les résultat et du texte

Eléments de base

• Types de données classiques
  • Entier, réel, chaîne de caractères, booléen
  • Liste [] et tuple () (liste constante) : éléments pas forcément du même type
  • Dictionnaire {} : ensemble de couples clé-valeur
• Opérateurs usuels :
  • Arithmétiques : +, -, *, /, //, %, `**
  • Comparaisons : >, >=, <, <=, ==, !=
  • Booléens : |, &, not()
• Variables
  • Pas de mot-clé pour la définition d'une variable : définie/créée lors de sa première affectation
  • Type dynamique (dépend uniquement de la valeur de son affectation)

Chaînes de caractères

• Chaîne de caractère : quotes simples ('') ou doubles ("")
  • Par défaut, simples quotes
  • En présence d'une apostrophe dans la chaîne, déclarer avec des doubles quotes
• Longueur de la chaîne avec la fonction len()

a = 'bonjour'
print(a)

len(a)

bonjour

7

• Sous-chaînes : indexation en séquence python
• Premier caractère en position 0
• Séquence par défaut est par pas de 1 (par exemple, 1:5 renvoie les positions 1, 2, 3, 4, 5)
  • Sans le premier (ou le dernier), début (ou fin) de la chaîne
  • Paramètre à la séquence, permettant de jouer sur le pas entre les valeurs de la séquence

a = 'bonjour'
a[1:5]

'onjo'

a[0:3]

'bon'

a[:3]

'bon'

a[3:len(a)]

'jour'

a[3:]

'jour'

a[::]

'bonjour'

a[::-1]

'ruojnob'

a[::2]

'bnor'

a[1:5:2]

'oj'

a[5:1:-2]

'uj'

Fonctions sur les chaînes

• Changement de casse : upper() ou lower()
• Mise en majuscule des premières lettres de chaque mot : capitalize()
• Recherche d'une sous-chaîne : find() - première occurence
• Remplacement d'une sous-chaîne : replace()
• Dénombrement de sous-chaînes : count()
• Découpage en sous-chaînes selon un caractère : split()

a = 'bonjour'
a.upper()

'BONJOUR'

a.capitalize()

'Bonjour'

a.find('j')

3

a.replace('jour', 'soir')

'bonsoir'

a.count('o')

2

a.split('j')

['bon', 'our']

Tuples

• Ensemble déclaré via des ()
  • Composé de valeurs pas forcément de même type et éventuellement complexe (i.e. tuples, listes ou dictionnaires)
  • Non modifiable : constante.

a = (3, 1, 9, 7)
print(a)
a[0]

(3, 1, 9, 7)

3

• Possible d'utiliser les mêmes outils d'indexation en séquence vu pour les chaîne

Listes

• Ensemble déclarée via des []
  • Composé d'éléments pas forcément tous du même type et possiblement complexe (i.e. tuples, listes ou dictionnaires)
  • A la différence d'un tuple, une liste est modifiable

a = [3, 1, 9, 7]
print(a)
len(a)

[3, 1, 9, 7]

4

a[0]

3

a[1:3]

[1, 9]

• Possible d'utiliser les mêmes outils d'indexation en séquence vu pour les chaînes

Fonctions sur les listes

• Toutes ces fonctions modifient directement la liste
• Inverser la liste : reverse()
• Tri de la liste : sort() (avec option reverse=True pour tri décroissant)
• Récupérer (et supprimer de la liste) le dernier élément : pop()
• Ajouter un élément à la fin : append()
• Insérer un élément dans la liste : insert() (position + valeur)
• Supprimer des valeurs passées: remove() (celles passées en paramètres)

Il est nécessaire d'afficher la liste a pour voir le résultat de la fonction

a = [3, 1, 9, 7]
a.reverse()
a

[7, 9, 1, 3]

a.sort()
a

[1, 3, 7, 9]

a.sort(reverse=True)
a

[9, 7, 3, 1]

a.pop()

1

a

[9, 7, 3]

a.append(5)
a

[9, 7, 3, 5]

a.insert(0, 6)
a

[6, 9, 7, 3, 5]

a.remove(7)
a

[6, 9, 3, 5]

Opérateurs sur les listes

• Concaténation de deux listes : +
• Répétition d'une liste : *

a = [3, 1, 9, 7]
b = [1, 2]
a + b

[3, 1, 9, 7, 1, 2]

a * 2

[3, 1, 9, 7, 3, 1, 9, 7]

List comprehension

• Mécanisme spécifique: list comprehension (fonctionnant aussi sur les chaînes et les tuples)
  • Récupérer les valeurs (ou un calcul sur chaque valeur) pour tous les éléments de la liste (ou certains si on applique un if)

a = [3, 1, 9, 7]
[x**2 for x in a]

[9, 1, 81, 49]

[x**2 for x in a if x >= 4]

[81, 49]

[x**2 if x >= 4 else -x for x in a]

[-3, -1, 81, 49]

Passage de référence

Attention : passage de référence lorsqu'on copie une liste

• Si modification d'une, alors modification de l'autre

a = [1, 2, 3, 4]
b = a
a[0] = 5
b[1] = 9
print(a, b)

[5, 9, 3, 4] [5, 9, 3, 4]

• Duppliquer la liste : copy()

a = [1, 2, 3, 4]
b = a.copy()
a[0] = 5
b[1] = 9
print(a, b)    

[5, 2, 3, 4] [1, 9, 3, 4]

Dictionnaires

• dict : listes nommées définies via des {}
  • ensemble de couples clé/valeur (ou champs/valeur)
  • éléments pas forcément tous du même type, et potentiellement complexe (i.e tuples, listes ou dictionnaires)

a = { 
    "nom": "Jollois", 
    "prenom": "FX", 
    "langues": ["R", "Python", "SQL", "SAS"], 
    "labo": { "nom": "LIPADE", "lieu": "CUSP"}
}
print(a)
len(a)

{'nom': 'Jollois', 'prenom': 'FX', 'langues': ['R', 'Python', 'SQL', 'SAS'], 'labo': {'nom': 'LIPADE', 'lieu': 'CUSP'}}

4

Accès aux éléments

• Utilisation de la clé pour accéder à la valeur

a = { 
    "nom": "Jollois", 
    "prenom": "FX", 
    "langues": ["R", "Python", "SQL", "SAS"], 
    "labo": { "nom": "LIPADE", "lieu": "CUSP"}
}
a["nom"]

'Jollois'

a["langues"]

['R', 'Python', 'SQL', 'SAS']

a["langues"][0]

'R'

a["labo"]

{'nom': 'LIPADE', 'lieu': 'CUSP'}

a["labo"]["lieu"]

'CUSP'

Fonctions sur les dictionnaires

• Récupérer la valeur d'une clé : get()
• Liste des clés : keys()
• Valeurs dans le même ordre que keys(): values()
• Récupérer le dernier item (en le supprimer du dictionnaire) : popitem()
• Récupérer un item (en le supprimant du dictionnaire aussi) : pop()

Afficher le dictionnaire a pour voir le résultat des deux dernières fonctions aussi

a = { 
    "nom": "Jollois", 
    "prenom": "FX", 
    "langues": ["R", "Python", "SQL", "SAS"], 
    "labo": { "nom": "LIPADE", "lieu": "CUSP"}
}
a["type"] = "MCF"
a.get("nom")

'Jollois'

a.keys()

dict_keys(['nom', 'prenom', 'langues', 'labo', 'type'])

a.values()

dict_values(['Jollois', 'FX', ['R', 'Python', 'SQL', 'SAS'], {'nom': 'LIPADE', 'lieu': 'CUSP'}, 'MCF'])

a.popitem()

('type', 'MCF')

a

{'nom': 'Jollois',
 'prenom': 'FX',
 'langues': ['R', 'Python', 'SQL', 'SAS'],
 'labo': {'nom': 'LIPADE', 'lieu': 'CUSP'}}

a.pop("nom")

'Jollois'

a

{'prenom': 'FX',
 'langues': ['R', 'Python', 'SQL', 'SAS'],
 'labo': {'nom': 'LIPADE', 'lieu': 'CUSP'}}

Passage de référence

• Idem que pour les listes, attention

a = { "nom": "Jollois", "prenom": "FX" }
b = a
b["prenom"] = "Xavier"
print(a, b)
print(a)

{'nom': 'Jollois', 'prenom': 'Xavier'} {'nom': 'Jollois', 'prenom': 'Xavier'}
{'nom': 'Jollois', 'prenom': 'Xavier'}

• Fonction copy() : copie indépendante de l'objet initial

a = { "nom": "Jollois", "prenom": "FX" }
b = a.copy()
b["prenom"] = "Xavier"
print(a, b)

{'nom': 'Jollois', 'prenom': 'FX'} {'nom': 'Jollois', 'prenom': 'Xavier'}

dict comprehension

• Identique au mécanisme de list comprehension (avec if et else si besoin)
• Dans ce cas, utiliser deux variables : clé et sa valeur

fruits = ["pommes", "bananes", "poires", "oranges"]
nombres = [5, 2, 10, 4]
{fruits[i]:nombres[i] for i in range(4)}

{'pommes': 5, 'bananes': 2, 'poires': 10, 'oranges': 4}

• Fonction dict() appliquée sur le résultat de zip() des deux listes : même résultat.

fruits = ["pommes", "bananes", "poires", "oranges"]
nombres = [5, 2, 10, 4]
dict(zip(fruits, nombres))

{'pommes': 5, 'bananes': 2, 'poires': 10, 'oranges': 4}

Traitement conditionnel - if

• Avec if, else et elif
• Indentation pour indiquer que les expressions sont dans le bloc
• Pas de switch ou case

a = 3
if (a > 2):
    print("sup")

sup

if (a > 2):
    print("dans le IF")
    print("sup")

dans le IF
sup

if (a > 2):
    print("sup")
elif (a > 0):
    print("mid")
else:
    print("inf")    

sup

Traitement itératif - for

• Boucle for
• Fonction range() pour avoir les valeurs entre 0 (par défaut) et la valeur passée en paramètre -1
  • Si deux paramètres : du premier paramètre au deuxième - 1
  • Si trois paramètres : définition du pas
• i persistant à la boucle (garde la dernière valeur)

for i in range(5):
    print(i)

print("dernière valeur de i :", i)

0
1
2
3
4
dernière valeur de i : 4

Exemple de range()	Valeurs prises
range(5)	0, 1, 2, 3, 4
range(5, 10)	5, 6, 7, 8, 9
range(5, 10, 2)	5, 7, 9
range(10, 5, -1)	10, 9, 8, 7, 6

• Possible d'utiliser une list ou un tuple
  • Exemple : for i in [4, 1, 10] → 4, 1, 10
• En utilisant une chaîne de caractère, on peut naviguer dans celle-ci
  • Exemple : for l in "Bonjour" → "b", "o", "n", "j", "o", "u", "r"
• Mais en utilisant un groupe de chaîne (list ou tuple), on travaille sur les chaînes au complet.
  • Exemple : for l in ("jour", "soir") → "jour", "soir"
• Fonction enumerate() permet de récupérer à la fois les indices des valeurs et les valeurs
  • Exemple : for i, x in enumerate([3, 1, 9, 4])
    • i → : 0, 1, 2, 3
    • x → : 3, 1, 9, 4
• Fonction zip() : travail sur plusieurs groupes de valeurs (ici deux listes)
  • Notez que cette fonction limite le résultat à la taille du plus petit groupe
  • Exemple : for i, j in zip([3, 1, 9, 4], ["trois", "un", "neuf"])
    • i → : 3, 1, 9
    • j → : "trois", "un", "neuf"
• Boucle sur un dictionnaire : prend les noms des champs
  • Exemple : for i in { 0: "lundi", 1: "mardi", 6: "dimanche"}
    • i → : 0, 1, 6

Traitement itératif - while

• Boucle while : teste en début de boucle si une condition est toujours vérifiée
• A la fin, paramètre de test = première valeur à rendre la condition fausse
• Ici, i += 1 raccourci pour i = i + 1

i = 0
while i < 5:
    print(i)
    i += 1

print("Valeur de i :", i)

0
1
2
3
4
Valeur de i : 5

Fonctions

• Opérateur def pour la définir
• Procédure = fonction ne renvoyant rien
• Opérateur return indiquant le résultat à renvoyer
• Bloc d'instructions défini selon l'indentation

def pi():
    res = 3.141593
    return res

pi()

3.141593

def afficheBonjour():
    print("Bonjour")

afficheBonjour()

Bonjour

Paramètres des fonctions

• Possible de passer un paramètre à une fonction (ou plusieurs)
• Pas de type à définir
• Appel de la fonction sans valeur pour un paramètre défini = une erreur

def afficheBonjour(nom):
    print("Bonjour", nom)

afficheBonjour("Jollois")

Bonjour Jollois

• Si plusieurs paramètres, appel classique ou avec nommage des paramètres

def afficheBonjour(nom, prenom):
    print("Bonjour", prenom, nom)

afficheBonjour("Jollois", "FX")
afficheBonjour(nom = "Jollois", prenom = "FX")
afficheBonjour(prenom = "FX", nom = "Jollois")

Bonjour FX Jollois
Bonjour FX Jollois
Bonjour FX Jollois

• Valeur par défaut pour un paramètre

def afficheBonjour(nom, prenom = "?"):
    print("Bonjour", prenom, nom)

afficheBonjour("Jollois", "FX")
afficheBonjour("Jollois")

Bonjour FX Jollois
Bonjour ? Jollois

Gestion des erreurs

• Usuel de gérer les erreurs d'exécution dans une fonction
• Opérateur try
  • premier bloc : code à exécuter normalement
  • bloc except: marche à suivre en cas d'erreur lors de l'exécution du bloc try
  • bloc finally : suite d'instructions à réaliser après la gestion de l'erreur (optionnel)

def somme(v):
    try:
        res = sum(v)
    except:
        print("Erreur : somme impossible !")
        res = None
    finally:
        return res

a = somme([1, 3, 5])
print(a)
a = somme(["un", 3, 5])
print(a)    

9
Erreur : somme impossible !
None

Utilisation de Python pour l'ingénierie de la donnée

Modules utiles

• numpy : calcul scientifique
• scipy : extension de numpy
• matplotlib : visualisation
• pandas : manipulation de données
• seaborn : visualisation statistique de données

La dernière ligne permettra de voir le résultat des graphiques dans le document.

import matplotlib.pyplot
import scipy.stats
import numpy
import pandas
import seaborn

%matplotlib inline

Données utilisées

• Données tips : informations ici

tips = pandas.read_csv("https://fxjollois.github.io/donnees/tips.csv", header = 0, sep = ",")
tips.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

Fonction	Commentaire
tips.head()	Premières lignes du tableau (5 par défaut)
tips.shape	Nombre de lignes et de colonnes
tips.count()	Nombre de valeurs non nulles pour chaque colonne
tips.info()	Combinaisons de plusieurs infos
tips.columns	Noms des colonnes
list(tips)	Liste des noms de colonnes

Manipulation de données

Comment réaliser les opérations classiques en bases de données ?

• Restriction
• Projection
• Tri et limitation des résultats
• Ajout de nouvelles variables (via des valeurs ou un calcul à partir des autres)
• Agrégats
• Modification de la forme du tableau de données
• Jointures (qui ne seront pas vues ici)
• Autres opérations, spécifiques à Python, pas vues ici

Note Bene : certaines fonctions renvoient un nouvel objet qu'il faudra donc stocker dans une variable (nouvelle ou la même). Par contre, d'autres fonctions modifient directement l'objet en question.

Restriction

• Sélectionner un certain nombre de lignes de la table, selon une condition
• Fonction query()
  • Paramètre : une chaîne de caractères contenant la condition à appliquer

tips.query('total_bill > 48') # que les factures de plus de 48

	total_bill	tip	sex	smoker	day	time	size
59	48.27	6.73	Male	No	Sat	Dinner	4
156	48.17	5.00	Male	No	Sun	Dinner	6
170	50.81	10.00	Male	Yes	Sat	Dinner	3
212	48.33	9.00	Male	No	Sat	Dinner	4

tips.query('day.isin(("Sat", "Sun"))') # que les factures ayant eu lieu un samedi ou un dimanche

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
238	35.83	4.67	Female	No	Sat	Dinner	3
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2

163 rows × 7 columns

tips.query('size > 4 & sex == "Male"') # que les tables de plus de 4 convives et payées par un homme

	total_bill	tip	sex	smoker	day	time	size
141	34.30	6.7	Male	No	Thur	Lunch	6
142	41.19	5.0	Male	No	Thur	Lunch	5
156	48.17	5.0	Male	No	Sun	Dinner	6
185	20.69	5.0	Male	No	Sun	Dinner	5
187	30.46	2.0	Male	Yes	Sun	Dinner	5
216	28.15	3.0	Male	Yes	Sat	Dinner	5

• Possibilité de faire référence à une variable avec @

a = 48
tips.query("total_bill > @a") # idem première ligne ci-dessus

	total_bill	tip	sex	smoker	day	time	size
59	48.27	6.73	Male	No	Sat	Dinner	4
156	48.17	5.00	Male	No	Sun	Dinner	6
170	50.81	10.00	Male	Yes	Sat	Dinner	3
212	48.33	9.00	Male	No	Sat	Dinner	4

Projection

• Sélectionner certaines colonnes de la tables
• Fonction filter() :
  • Paramètre items : liste des noms à garder
  • Paramètre axis : axe à regarder (colonne ou ligne - colonne par défaut pour DataFrame)
  • Paramètre like : comparaison à une chaîne
  • Paramètre regex : utilisation d'expressions régulières

tips.filter(["sex", "total_bill"]) # que sex et total_bill donc

	sex	total_bill
0	Female	16.99
1	Male	10.34
2	Male	21.01
3	Male	23.68
4	Female	24.59
...	...	...
239	Male	29.03
240	Female	27.18
241	Male	22.67
242	Male	17.82
243	Female	18.78

244 rows × 2 columns

tips.filter(like = "ti") # que les variables ayant "ti" dans leur nom

	tip	time
0	1.01	Dinner
1	1.66	Dinner
2	3.50	Dinner
3	3.31	Dinner
4	3.61	Dinner
...	...	...
239	5.92	Dinner
240	2.00	Dinner
241	2.00	Dinner
242	1.75	Dinner
243	3.00	Dinner

244 rows × 2 columns

tips.filter(regex = "t.*i") 
# que les variables ayant la lettre "t" puis la lettre "i" (avec ou sans caractères entre)

	total_bill	tip	time
0	16.99	1.01	Dinner
1	10.34	1.66	Dinner
2	21.01	3.50	Dinner
3	23.68	3.31	Dinner
4	24.59	3.61	Dinner
...	...	...	...
239	29.03	5.92	Dinner
240	27.18	2.00	Dinner
241	22.67	2.00	Dinner
242	17.82	1.75	Dinner
243	18.78	3.00	Dinner

244 rows × 3 columns

• Possibiltié de supprimer les doublons avec drop_duplicates()

tips.filter(["sex", "smoker"]).drop_duplicates()

	sex	smoker
0	Female	No
1	Male	No
56	Male	Yes
67	Female	Yes

Tri et limitation des résultats

• Tri : Fonction sort_values()
  • Paramètre : la ou les variables à utiliser
  • Tri descendant : valeur du paramètre ascending=False (True par défaut)

tips.sort_values(by = "total_bill") # Tri par total croissant

	total_bill	tip	sex	smoker	day	time	size
67	3.07	1.00	Female	Yes	Sat	Dinner	1
92	5.75	1.00	Female	Yes	Fri	Dinner	2
111	7.25	1.00	Female	No	Sat	Dinner	1
172	7.25	5.15	Male	Yes	Sun	Dinner	2
149	7.51	2.00	Male	No	Thur	Lunch	2
...	...	...	...	...	...	...	...
182	45.35	3.50	Male	Yes	Sun	Dinner	3
156	48.17	5.00	Male	No	Sun	Dinner	6
59	48.27	6.73	Male	No	Sat	Dinner	4
212	48.33	9.00	Male	No	Sat	Dinner	4
170	50.81	10.00	Male	Yes	Sat	Dinner	3

244 rows × 7 columns

tips.sort_values(by = "total_bill", ascending = False) # Tri décroissant

	total_bill	tip	sex	smoker	day	time	size
170	50.81	10.00	Male	Yes	Sat	Dinner	3
212	48.33	9.00	Male	No	Sat	Dinner	4
59	48.27	6.73	Male	No	Sat	Dinner	4
156	48.17	5.00	Male	No	Sun	Dinner	6
182	45.35	3.50	Male	Yes	Sun	Dinner	3
...	...	...	...	...	...	...	...
149	7.51	2.00	Male	No	Thur	Lunch	2
111	7.25	1.00	Female	No	Sat	Dinner	1
172	7.25	5.15	Male	Yes	Sun	Dinner	2
92	5.75	1.00	Female	Yes	Fri	Dinner	2
67	3.07	1.00	Female	Yes	Sat	Dinner	1

244 rows × 7 columns

tips.sort_values(by = ["smoker", "total_bill"], ascending = [True, False]) # Tri avec smoker croissant et total décroissant

	total_bill	tip	sex	smoker	day	time	size
212	48.33	9.00	Male	No	Sat	Dinner	4
59	48.27	6.73	Male	No	Sat	Dinner	4
156	48.17	5.00	Male	No	Sun	Dinner	6
142	41.19	5.00	Male	No	Thur	Lunch	5
23	39.42	7.58	Male	No	Sat	Dinner	4
...	...	...	...	...	...	...	...
222	8.58	1.92	Male	Yes	Fri	Lunch	1
218	7.74	1.44	Male	Yes	Sat	Dinner	2
172	7.25	5.15	Male	Yes	Sun	Dinner	2
92	5.75	1.00	Female	Yes	Fri	Dinner	2
67	3.07	1.00	Female	Yes	Sat	Dinner	1

244 rows × 7 columns

• Limite aux premières (resp. dernières) lignes : Fonction head() (resp. tail())
  • Paramètre indiquant la taille à afficher (5 par défaut)

tips.head() # 5 premières lignes par défaut

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

tips.head(10) # 10 premières lignes

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
5	25.29	4.71	Male	No	Sun	Dinner	4
6	8.77	2.00	Male	No	Sun	Dinner	2
7	26.88	3.12	Male	No	Sun	Dinner	4
8	15.04	1.96	Male	No	Sun	Dinner	2
9	14.78	3.23	Male	No	Sun	Dinner	2

tips.tail(3) # 3 dernières lignes

	total_bill	tip	sex	smoker	day	time	size
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

Ajout de nouvelles variables

• A partir de valeurs déjà connues
  • En en donnant autant que de lignes ou une seule (qui sera donc la même pour toutes les lignes)
  • DataFrame modifié directement

tips['n_row'] = range(244)
tips['nouv'] = "nouvelle valeur"
tips.head()

	total_bill	tip	sex	smoker	day	time	size	n_row	nouv
0	16.99	1.01	Female	No	Sun	Dinner	2	0	nouvelle valeur
1	10.34	1.66	Male	No	Sun	Dinner	3	1	nouvelle valeur
2	21.01	3.50	Male	No	Sun	Dinner	3	2	nouvelle valeur
3	23.68	3.31	Male	No	Sun	Dinner	2	3	nouvelle valeur
4	24.59	3.61	Female	No	Sun	Dinner	4	4	nouvelle valeur

• A partir d'un calcul basé sur les autres variables : Fonction assign()
  • Renvoie d'un DataFrame modifié (original non modifié)

# attention ici, l.size ferait référence à la taille de l, car c'est un mot clé de python
tips.assign(per_person = lambda l: round(l.total_bill / l['size'], 2)) 

	total_bill	tip	sex	smoker	day	time	size	n_row	nouv	per_person
0	16.99	1.01	Female	No	Sun	Dinner	2	0	nouvelle valeur	8.49
1	10.34	1.66	Male	No	Sun	Dinner	3	1	nouvelle valeur	3.45
2	21.01	3.50	Male	No	Sun	Dinner	3	2	nouvelle valeur	7.00
3	23.68	3.31	Male	No	Sun	Dinner	2	3	nouvelle valeur	11.84
4	24.59	3.61	Female	No	Sun	Dinner	4	4	nouvelle valeur	6.15
...	...	...	...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3	239	nouvelle valeur	9.68
240	27.18	2.00	Female	Yes	Sat	Dinner	2	240	nouvelle valeur	13.59
241	22.67	2.00	Male	Yes	Sat	Dinner	2	241	nouvelle valeur	11.34
242	17.82	1.75	Male	No	Sat	Dinner	2	242	nouvelle valeur	8.91
243	18.78	3.00	Female	No	Thur	Dinner	2	243	nouvelle valeur	9.39

244 rows × 10 columns

Agrégat

• Calcul d'une statistique globale de base : Fonction aggregate() (ou agg())
  • Dénombrement, somme, moyenne, minimum, maximum
  • Si un seul calcul : directement les fonctions associées

tips.filter(["total_bill", "tip", "size"]).aggregate(["count", "mean"])

	total_bill	tip	size
count	244.000000	244.000000	244.000000
mean	19.785943	2.998279	2.569672

tips.filter(["total_bill", "tip", "size"]).mean()

total_bill    19.785943
tip            2.998279
size           2.569672
dtype: float64

• Pour le faire pour chaque modalité d'une variable : Fonction groupby()

tips.filter(["sex", "total_bill", "tip", "size"]).groupby("sex").mean()

	total_bill	tip	size
sex
Female	18.056897	2.833448	2.459770
Male	20.744076	3.089618	2.630573

• Plusieurs variables possibles dans le regroupement
  • Calcul pour chaque couple de modalités de celles-ci

tips.filter(["sex", "smoker", "total_bill", "tip", "size"]).groupby(["sex", "smoker"]).mean()

		total_bill	tip	size
sex	smoker
Female	No	18.105185	2.773519	2.592593
	Yes	17.977879	2.931515	2.242424
Male	No	19.791237	3.113402	2.711340
	Yes	22.284500	3.051167	2.500000

Modification du format d'un data frame (reshaping)

• Tableaux souvent présentés sous la forme individus x variables
• Parfois, utile (voire nécessaire) de modifier, via une pseudo-rotation, en un tableau avec
  • Colonne (ou plusieurs) indiquant l'individu concerné
  • Colonne indiquant la variable
  • Colonne avec la valeur de celle-ci
• Fonction melt()
  • Ici, utilisation du numéro de ligne n_row car pas d'identifiant unique par ligne

tips2 = tips.melt(id_vars = "n_row")
tips2

	n_row	variable	value
0	0	total_bill	16.99
1	1	total_bill	10.34
2	2	total_bill	21.01
3	3	total_bill	23.68
4	4	total_bill	24.59
...	...	...	...
1947	239	nouv	nouvelle valeur
1948	240	nouv	nouvelle valeur
1949	241	nouv	nouvelle valeur
1950	242	nouv	nouvelle valeur
1951	243	nouv	nouvelle valeur

1952 rows × 3 columns

• Opération inverse possible avec la fonction pivot()

pandas.pivot(tips2, index = "n_row", columns = "variable", values = "value")

variable	day	nouv	sex	size	smoker	time	tip	total_bill
n_row
0	Sun	nouvelle valeur	Female	2	No	Dinner	1.01	16.99
1	Sun	nouvelle valeur	Male	3	No	Dinner	1.66	10.34
2	Sun	nouvelle valeur	Male	3	No	Dinner	3.50	21.01
3	Sun	nouvelle valeur	Male	2	No	Dinner	3.31	23.68
4	Sun	nouvelle valeur	Female	4	No	Dinner	3.61	24.59
...	...	...	...	...	...	...	...	...
239	Sat	nouvelle valeur	Male	3	No	Dinner	5.92	29.03
240	Sat	nouvelle valeur	Female	2	Yes	Dinner	2.00	27.18
241	Sat	nouvelle valeur	Male	2	Yes	Dinner	2.00	22.67
242	Sat	nouvelle valeur	Male	2	No	Dinner	1.75	17.82
243	Thur	nouvelle valeur	Female	2	No	Dinner	3.00	18.78

244 rows × 8 columns

Statistiques descriptives

• Univarié
  • Quantitative
  • Qualitative
• Bivarié
  • Quanti - quanti
  • Quali - quali
  • Quali - quanti

Représentations numériques et graphiques

Quantitative

• Fonction describe() pour décrire toutes les variables quantitatives

tips.describe()

	total_bill	tip	size	n_row
count	244.000000	244.000000	244.000000	244.000000
mean	19.785943	2.998279	2.569672	121.500000
std	8.902412	1.383638	0.951100	70.580923
min	3.070000	1.000000	1.000000	0.000000
25%	13.347500	2.000000	2.000000	60.750000
50%	17.795000	2.900000	2.000000	121.500000
75%	24.127500	3.562500	3.000000	182.250000
max	50.810000	10.000000	6.000000	243.000000

tips.describe().round(2)

	total_bill	tip	size	n_row
count	244.00	244.00	244.00	244.00
mean	19.79	3.00	2.57	121.50
std	8.90	1.38	0.95	70.58
min	3.07	1.00	1.00	0.00
25%	13.35	2.00	2.00	60.75
50%	17.80	2.90	2.00	121.50
75%	24.13	3.56	3.00	182.25
max	50.81	10.00	6.00	243.00

• Sur une seule variable

tips.total_bill.describe()

count    244.000000
mean      19.785943
std        8.902412
min        3.070000
25%       13.347500
50%       17.795000
75%       24.127500
max       50.810000
Name: total_bill, dtype: float64

tips["total_bill"].describe()

count    244.000000
mean      19.785943
std        8.902412
min        3.070000
25%       13.347500
50%       17.795000
75%       24.127500
max       50.810000
Name: total_bill, dtype: float64

tips.total_bill.mean()

19.78594262295082

tips.total_bill.std()

8.902411954856856

tips.total_bill.var()

79.25293861397827

tips.total_bill.min()

3.07

tips.total_bill.max()

50.81

tips.total_bill.median()

17.795

tips.total_bill.quantile([.01, .1, .9, .99])

0.01     7.250
0.10    10.340
0.90    32.235
0.99    48.227
Name: total_bill, dtype: float64

• Test de normalité

scipy.stats.normaltest(tips.total_bill)

NormaltestResult(statistic=45.11781912347332, pvalue=1.5951078766352608e-10)

scipy.stats.shapiro(tips.total_bill)

ShapiroResult(statistic=0.9197188019752502, pvalue=3.3245434183371003e-10)

Histogramme

• pandas : Fonction hist() ou plot() avec kind="hist"

tips.total_bill.hist()

<AxesSubplot:>

tips.total_bill.hist(bins = 20)

<AxesSubplot:>

tips.total_bill.plot(kind = "hist")

<AxesSubplot:ylabel='Frequency'>

tips.total_bill.plot(kind = "hist", density = True)

<AxesSubplot:ylabel='Frequency'>

tips.total_bill.plot(kind = "kde")

<AxesSubplot:ylabel='Density'>

# A mettre ensemble pour avoir densité + histogramme sur le même graphique
tips.total_bill.plot(kind = "hist", density = True, color = "lightgrey")
tips.total_bill.plot(kind = "kde")

<AxesSubplot:ylabel='Density'>

• seaborn: Fonction hisplot()

seaborn.histplot(tips.total_bill)

<AxesSubplot:xlabel='total_bill', ylabel='Count'>

seaborn.histplot(data = tips, x = "total_bill")

<AxesSubplot:xlabel='total_bill', ylabel='Count'>

seaborn.histplot(data = tips, x = "total_bill", bins = 20)

<AxesSubplot:xlabel='total_bill', ylabel='Count'>

seaborn.histplot(data = tips, x = "total_bill", bins = [0, 10, 25, 60], stat = "density")

<AxesSubplot:xlabel='total_bill', ylabel='Density'>

seaborn.histplot(data = tips, x = "total_bill", kde = True)

<AxesSubplot:xlabel='total_bill', ylabel='Count'>

Boîtes à moustaches

• pandas : Fonction boxplot()

tips.boxplot()

<AxesSubplot:>

tips.boxplot(column = "total_bill")

<AxesSubplot:>

tips.boxplot(column = "total_bill", grid = False)

<AxesSubplot:>

• seaborn : Fonction boxplot()

seaborn.boxplot(x = "total_bill", data = tips)

<AxesSubplot:xlabel='total_bill'>

seaborn.boxplot(y = "total_bill", data = tips)

<AxesSubplot:ylabel='total_bill'>

seaborn.boxplot(x = "total_bill", data = tips, whis = 3)

<AxesSubplot:xlabel='total_bill'>

• Autres représentations via seaborn

seaborn.pointplot(x = "total_bill", data = tips)

<AxesSubplot:xlabel='total_bill'>

seaborn.violinplot(x = "total_bill", data = tips)

<AxesSubplot:xlabel='total_bill'>

seaborn.stripplot(x = "total_bill", data = tips, jitter = True)

<AxesSubplot:xlabel='total_bill'>

Qualitative

• Plusieurs façons
  • Table d'occurences (ou des effectifs)
  • Table des proportions

tips.sex.describe()

count      244
unique       2
top       Male
freq       157
Name: sex, dtype: object

tips.sex.unique()

array(['Female', 'Male'], dtype=object)

tips.sex.value_counts()

Male      157
Female     87
Name: sex, dtype: int64

pandas.crosstab(tips.sex, "freq")

col_0	freq
sex
Female	87
Male	157

pandas.crosstab(tips.sex, "freq", normalize = True) # Proportion

col_0	freq
sex
Female	0.356557
Male	0.643443

• Test d'équi-probabilité

t = pandas.crosstab(tips.sex, "freq", normalize=True)
scipy.stats.chisquare(t.freq)

Power_divergenceResult(statistic=0.08230314431604406, pvalue=0.774200187925369)

• Test de comparaison à une distribution connue

scipy.stats.chisquare(t.freq, (.2, .8))

Power_divergenceResult(statistic=0.1531888269282451, pvalue=0.6955064385613343)

Diagramme en barres

• pandas : Fonction bar() ou type "bar" pour plot()
  • Calculs de proportions préférables parfois

t = pandas.crosstab(tips.sex, "freq")

t.plot.bar()

<AxesSubplot:xlabel='sex'>

t.plot(kind = "bar")

<AxesSubplot:xlabel='sex'>

# En proportion
t = pandas.crosstab(tips.sex, "freq", normalize=True)
t.plot(kind = "bar")

<AxesSubplot:xlabel='sex'>

# En pourcentage
(t * 100).plot(kind = "bar")

<AxesSubplot:xlabel='sex'>

• seaborn : Fonctions countplot() ou barplot()

seaborn.countplot(x = "sex", data = tips)

<AxesSubplot:xlabel='sex', ylabel='count'>

# En pourcentage
t = pandas.crosstab(tips.sex, "freq", normalize=True)
t = t.assign(sex = t.index, freq = 100 * t.freq)
seaborn.barplot(x = "sex", y = "freq", data = t)

<AxesSubplot:xlabel='sex', ylabel='freq'>

Diagramme circulaire

• pandas : Fonction plot.pie()

t = pandas.crosstab(tips.sex, "freq")
t.plot.pie(subplots = True, figsize = (6, 6))

array([<AxesSubplot:ylabel='freq'>], dtype=object)

• Pas en seaborn

Quantitative - quantitative

tips.corr()

	total_bill	tip	size	n_row
total_bill	1.000000	0.675734	0.598315	0.044526
tip	0.675734	1.000000	0.489299	-0.026709
size	0.598315	0.489299	1.000000	0.008061
n_row	0.044526	-0.026709	0.008061	1.000000

tips.total_bill.cov(tips.tip)

8.323501629224854

tips.total_bill.corr(tips.tip)

0.6757341092113641

• Test de corrélation : Pearson

scipy.stats.pearsonr(tips.total_bill, tips.tip)

(0.6757341092113647, 6.6924706468630016e-34)

• Test de corrélation : Kendall

scipy.stats.kendalltau(tips.total_bill, tips.tip)

KendalltauResult(correlation=0.517180972142381, pvalue=2.4455728480214792e-32)

Nuage de points

• pandas : Fonctions plot.scatter() et scatter_matrix()

tips.plot.scatter("total_bill", "tip")

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

pandas.plotting.scatter_matrix(tips)

/usr/local/lib/python3.9/site-packages/pandas/plotting/_matplotlib/tools.py:400: MatplotlibDeprecationWarning: 
The is_first_col function was deprecated in Matplotlib 3.4 and will be removed two minor releases later. Use ax.get_subplotspec().is_first_col() instead.
  if ax.is_first_col():

array([[<AxesSubplot:xlabel='total_bill', ylabel='total_bill'>,
        <AxesSubplot:xlabel='tip', ylabel='total_bill'>,
        <AxesSubplot:xlabel='size', ylabel='total_bill'>,
        <AxesSubplot:xlabel='n_row', ylabel='total_bill'>],
       [<AxesSubplot:xlabel='total_bill', ylabel='tip'>,
        <AxesSubplot:xlabel='tip', ylabel='tip'>,
        <AxesSubplot:xlabel='size', ylabel='tip'>,
        <AxesSubplot:xlabel='n_row', ylabel='tip'>],
       [<AxesSubplot:xlabel='total_bill', ylabel='size'>,
        <AxesSubplot:xlabel='tip', ylabel='size'>,
        <AxesSubplot:xlabel='size', ylabel='size'>,
        <AxesSubplot:xlabel='n_row', ylabel='size'>],
       [<AxesSubplot:xlabel='total_bill', ylabel='n_row'>,
        <AxesSubplot:xlabel='tip', ylabel='n_row'>,
        <AxesSubplot:xlabel='size', ylabel='n_row'>,
        <AxesSubplot:xlabel='n_row', ylabel='n_row'>]], dtype=object)

• seaborn : Fonctions jointplot(), regplot() (ou lmplot()) et pairplot()

seaborn.jointplot(x = "total_bill", y = "tip", data = tips)

<seaborn.axisgrid.JointGrid at 0x1398803d0>

seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "reg")

<seaborn.axisgrid.JointGrid at 0x1398726d0>

seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "hex")

<seaborn.axisgrid.JointGrid at 0x139a9a9d0>

seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "kde")

<seaborn.axisgrid.JointGrid at 0x139be9250>

seaborn.regplot(x = "total_bill", y = "tip", data = tips)

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

seaborn.regplot(x = "total_bill", y = "tip", data = tips, fit_reg = False)

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

seaborn.regplot(x = "total_bill", y = "tip", data = tips, scatter = False)

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

seaborn.pairplot(data = tips, vars = ["total_bill", "tip", "size"])

<seaborn.axisgrid.PairGrid at 0x139e6f6d0>

Qualitative - qualitative

• Table de contingence

pandas.crosstab(tips.sex, tips.smoker)

smoker	No	Yes
sex
Female	54	33
Male	97	60

pandas.crosstab(tips.sex, tips.smoker, margins = True)

smoker	No	Yes	All
sex
Female	54	33	87
Male	97	60	157
All	151	93	244

pandas.crosstab(tips.sex, tips.smoker, normalize = True)

smoker	No	Yes
sex
Female	0.221311	0.135246
Male	0.397541	0.245902

• Profils lignes et profils colonnes

pandas.crosstab(tips.sex, tips.smoker, normalize = "index")

smoker	No	Yes
sex
Female	0.620690	0.379310
Male	0.617834	0.382166

pandas.crosstab(tips.sex, tips.smoker, normalize = "index", margins = True)

smoker	No	Yes
sex
Female	0.620690	0.379310
Male	0.617834	0.382166
All	0.618852	0.381148

pandas.crosstab(tips.sex, tips.smoker, normalize = "columns")

smoker	No	Yes
sex
Female	0.357616	0.354839
Male	0.642384	0.645161

pandas.crosstab(tips.sex, tips.smoker, normalize = "columns", margins = True)

smoker	No	Yes	All
sex
Female	0.357616	0.354839	0.356557
Male	0.642384	0.645161	0.643443

• Test du chi2

t = pandas.crosstab(tips.sex, tips.smoker)
scipy.stats.chi2_contingency(t)

(0.008763290531773594,
 0.925417020494423,
 1,
 array([[53.84016393, 33.15983607],
        [97.15983607, 59.84016393]]))

Diagramme en barres

• pandas

t = pandas.crosstab(tips.sex, tips.smoker)
t.plot.bar()

<AxesSubplot:xlabel='sex'>

t = pandas.crosstab(tips.sex, tips.smoker, normalize=True)
t.plot.bar()

<AxesSubplot:xlabel='sex'>

t = pandas.crosstab(tips.sex, tips.smoker, normalize="index")
t.plot.bar(stacked=True)

<AxesSubplot:xlabel='sex'>

t = pandas.crosstab(tips.sex, tips.smoker)
t.plot.pie(subplots=True, figsize = (12, 6))

/usr/local/lib/python3.9/site-packages/pandas/plotting/_matplotlib/tools.py:400: MatplotlibDeprecationWarning: 
The is_first_col function was deprecated in Matplotlib 3.4 and will be removed two minor releases later. Use ax.get_subplotspec().is_first_col() instead.
  if ax.is_first_col():

array([<AxesSubplot:ylabel='No'>, <AxesSubplot:ylabel='Yes'>],
      dtype=object)

• seaborn

seaborn.countplot(x = "sex", hue = "smoker", data = tips)

<AxesSubplot:xlabel='sex', ylabel='count'>

t = pandas.crosstab(tips.sex, tips.smoker, normalize = "columns")
t = t.assign(sex = t.index)
tm = pandas.melt(t, id_vars = "sex")
tm = tm.assign(value = 100 * tm.value)
seaborn.catplot(x = "sex", y = "value", col = "smoker", data = tm, kind = "bar")

<seaborn.axisgrid.FacetGrid at 0x13a3252e0>

Qualitative - quantitative

• Calcul des moyennes par modalités

tips.groupby("sex").mean()

	total_bill	tip	size	n_row
sex
Female	18.056897	2.833448	2.459770	128.080460
Male	20.744076	3.089618	2.630573	117.853503

tips.groupby("sex")["total_bill"].agg([numpy.mean, numpy.std, numpy.median, numpy.min, numpy.max])

	mean	std	median	amin	amax
sex
Female	18.056897	8.009209	16.40	3.07	44.30
Male	20.744076	9.246469	18.35	7.25	50.81

• Test de Student (ou ANOVA)

billFemale = tips.total_bill[tips.sex == "Female"]

billMale = tips.total_bill[tips.sex == "Male"]

scipy.stats.ttest_ind(billFemale, billMale)

Ttest_indResult(statistic=-2.2777940289803134, pvalue=0.0236116668468594)

billGrouped = [tips.total_bill[tips.sex == s] for s in list(tips.sex.unique())]

scipy.stats.f_oneway(*billGrouped)

F_onewayResult(statistic=5.188345638458361, pvalue=0.023611666846859697)

Représentations graphiques

• pandas :

tips.hist(column = "total_bill", by = "sex")

/usr/local/lib/python3.9/site-packages/pandas/plotting/_matplotlib/tools.py:400: MatplotlibDeprecationWarning: 
The is_first_col function was deprecated in Matplotlib 3.4 and will be removed two minor releases later. Use ax.get_subplotspec().is_first_col() instead.
  if ax.is_first_col():

array([<AxesSubplot:title={'center':'Female'}>,
       <AxesSubplot:title={'center':'Male'}>], dtype=object)

tips.boxplot(by = "sex")

array([[<AxesSubplot:title={'center':'n_row'}, xlabel='[sex]'>,
        <AxesSubplot:title={'center':'size'}, xlabel='[sex]'>],
       [<AxesSubplot:title={'center':'tip'}, xlabel='[sex]'>,
        <AxesSubplot:title={'center':'total_bill'}, xlabel='[sex]'>]],
      dtype=object)

tips.boxplot(column = "total_bill", by = "sex") 

<AxesSubplot:title={'center':'total_bill'}, xlabel='sex'>

• seaborn :

p = seaborn.FacetGrid(tips, row = "sex")
p.map(seaborn.distplot, "total_bill")

/usr/local/lib/python3.9/site-packages/seaborn/distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)
/usr/local/lib/python3.9/site-packages/seaborn/distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

<seaborn.axisgrid.FacetGrid at 0x13a933e80>

seaborn.catplot(x = "sex", y = "total_bill", data = tips, kind = "box")

<seaborn.axisgrid.FacetGrid at 0x13a937730>

seaborn.catplot(x = "sex", y = "total_bill", data = tips, kind = "point", join = False)

<seaborn.axisgrid.FacetGrid at 0x13aa84640>

seaborn.catplot(x = "sex", y = "total_bill", data = tips, kind = "violin")

<seaborn.axisgrid.FacetGrid at 0x13ab2b370>

seaborn.catplot(x = "sex", y = "total_bill", data = tips, kind = "strip")

<seaborn.axisgrid.FacetGrid at 0x13abb1550>

Compléments sur seaborn

• Fonction catplot() permettant de faire plusieurs types de graphiques

seaborn.catplot(y = "total_bill", data = tips, kind = "box")

<seaborn.axisgrid.FacetGrid at 0x13abeea90>

seaborn.catplot(x = "total_bill", data = tips, kind = "point")

<seaborn.axisgrid.FacetGrid at 0x13ac3d640>

seaborn.catplot(x = "total_bill", data = tips, kind = "violin")

<seaborn.axisgrid.FacetGrid at 0x13ac629d0>

seaborn.catplot(x = "total_bill", data = tips, kind = "strip", jitter = True)

<seaborn.axisgrid.FacetGrid at 0x13ad039a0>

seaborn.catplot(x = "sex", data = tips, kind = "count")

<seaborn.axisgrid.FacetGrid at 0x13ac625e0>

seaborn.catplot(x = "sex", hue = "smoker", data = tips, kind = "count")

<seaborn.axisgrid.FacetGrid at 0x13ad153d0>

seaborn.catplot(x = "sex", col = "smoker", data = tips, kind = "count")

<seaborn.axisgrid.FacetGrid at 0x13ae2e2e0>

Représentation de 3 variables quantitatives

t = pandas.crosstab(pandas.cut(tips.total_bill, bins = 6),
                    tips["size"],
                    values = tips.tip, aggfunc = numpy.mean)
seaborn.heatmap(t)

<AxesSubplot:xlabel='size', ylabel='total_bill'>

Représentation de 2 variables quantitatives avec 1 qualitative

seaborn.lmplot(x = "total_bill", y = "tip", hue = "sex", col = "sex", data = tips)

<seaborn.axisgrid.FacetGrid at 0x13afbccd0>

Représentation d' 1 variable quantitative et de 2 variables qualitatives

p = seaborn.FacetGrid(tips, row = "sex", col = "smoker")
p.map(seaborn.histplot, "total_bill")

<seaborn.axisgrid.FacetGrid at 0x13b078df0>

seaborn.catplot(x = "sex", y = "total_bill", hue = "smoker", data = tips, kind = "box")

<seaborn.axisgrid.FacetGrid at 0x13b1df1c0>

seaborn.catplot(x = "sex", y = "total_bill", hue = "sex", col = "smoker", data = tips, 
                   kind = "point", join = False)

<seaborn.axisgrid.FacetGrid at 0x13b052cd0>

seaborn.catplot(x = "sex", y = "total_bill", hue = "smoker", data = tips, kind = "violin")

<seaborn.axisgrid.FacetGrid at 0x13b2ee490>

seaborn.catplot(x = "sex", y = "total_bill", hue = "smoker", col = "smoker", data = tips, 
                   kind = "strip", jitter = True)

<seaborn.axisgrid.FacetGrid at 0x13b3a8df0>

Représentation de 3 variables qualitatives

seaborn.catplot(x = "sex", row = "smoker", col = "time", data = tips, kind = "count")

<seaborn.axisgrid.FacetGrid at 0x13b4dd3a0>

seaborn.catplot(x = "sex", hue = "smoker", col = "time", data = tips, kind = "count")

<seaborn.axisgrid.FacetGrid at 0x13b62d760>

t = pandas.crosstab([tips.smoker, tips.time], tips.sex, normalize = "index")
t = t.reset_index().assign(smoker_time = lambda x: x.smoker + "_" + x.time).drop(columns = ["smoker", "time"])
tm = pandas.melt(t, id_vars = "smoker_time")
tm = tm.assign(value = 100 * tm.value)
seaborn.catplot(x = "smoker_time", y = "value", hue = "sex", data = tm, kind = "bar")

<seaborn.axisgrid.FacetGrid at 0x13aeda0d0>

Compléments sur seaborn

• Possibilité de personnaliser le graphique de différentes façons
• Accès via
  • des paramètres de la fonction,
  • l'objet renvoyé par la fonction utilisée pour créer le graphique,
  • le module directement (changements pour les graphiques futurs aussi)
• Quelques exemples
  • suptitle dans fig : titre global
  • set_axis_labels : titre des axes
  • palette : choix d'une palette de couleurs
  • height et aspect : hauteur et ratio entre hauteur et largeur, pour chaque facette (une seule ici)
  • ...

seaborn.set(font_scale=2, style="white")

p = seaborn.catplot(x = "size", y = "tip", hue = "sex", data = tips, kind = "box", 
                    palette = "Set2", height = 8, aspect = 2, legend = False)

p.fig.suptitle("Taille et pourboire en fonction du sexe")

p.set_axis_labels("Nombre de convives", "Pourboire")

matplotlib.pyplot.legend(title='Sexe', loc='upper right')

matplotlib.pyplot.show()