Charger et examiner des DataFrames
Un processus d'ingestion défensif pour les fichiers tabulaires et les données externes.
Un processus d'ingestion défensif pour les fichiers tabulaires et les données externes.
Jointures et concaténations sûres, contrôle de cardinalité et diagnostic des clés sans correspondance.
Analyse, fuseaux horaires, périodes, décalages, rééchantillonnage et fenêtres glissantes dans pandas.
Catégories ordonnées, vocabulaires finis, discrétisation et choix d'encodage.
Motifs vectorisés et composables, avec un guide de choix entre map, apply, agg, transform et pipe.
Sélection par étiquette, position et MultiIndex sans ambiguïté sémantique.
Filtrage booléen et prédicats lisibles pour les DataFrames.
Un processus reproductible pour normaliser, analyser, valider et documenter des données tabulaires.
Une carte orientée tâches pour travailler avec des données tabulaires dans pandas.
Séparer, appliquer et combiner en décidant explicitement de la forme de sortie et des clés manquantes.
Guide de pivot, pivot_table, melt, stack, unstack et explode.
Sélection explicite, opérations vectorisées, mappage et alignement des Series.
La table bidimensionnelle étiquetée et ses invariants fondamentaux.
Le tableau unidimensionnel étiqueté au cœur de pandas.
Une approche guidée par des règles pour détecter, interpréter et traiter les données manquantes.