Cheat Sheet Pandas : Les fonctions essentielles pour l’entreprise

import pandas as pd
import numpy as np

# Lecture de fichiers
df = pd.read_csv('fichier.csv')
df = pd.read_excel('fichier.xlsx', sheet_name='Feuille1')
df = pd.read_sql('SELECT * FROM table', connection)
df = pd.read_json('fichier.json')

df.head()            # Afficher les 5 premières lignes
df.tail()            # Afficher les 5 dernières lignes
df.shape             # Dimensions (lignes, colonnes)
df.info()            # Information sur le DataFrame
df.describe()        # Statistiques descriptives
df.dtypes            # Types de données
df.columns           # Noms des colonnes
df.index             # Index
df.isnull().sum()    # Nombre de valeurs manquantes par colonne

df['colonne']                      # Une colonne
df[['colonne1', 'colonne2']]       # Plusieurs colonnes

df.loc[10]                         # Ligne avec l'index 10
df.iloc[10]                        # 11ème ligne (index position)
df.loc[10:20]                      # Lignes de l'index 10 à 20
df.iloc[10:20]                     # Lignes 11 à 20 (positions)

df[df['colonne'] > 100]                            # Valeurs > 100
df[(df['colonne1'] > 10) & (df['colonne2'] < 50)]  # Conditions multiples
df[df['colonne'].isin(['A', 'B', 'C'])]            # Valeurs dans une liste
df[df['colonne'].str.contains('texte')]            # Contient du texte

df.sort_values('colonne')                      # Tri croissant
df.sort_values('colonne', ascending=False)     # Tri décroissant
df.sort_values(['col1', 'col2'])               # Tri sur plusieurs colonnes

df['nouvelle_colonne'] = df['colonne1'] + df['colonne2']
df['catégorie'] = pd.cut(df['valeur'], bins=[0, 18, 35, 65, 100], 
                        labels=['Enfant', 'Jeune', 'Adulte', 'Senior'])

df['colonne'].apply(lambda x: x*2)
df.apply(lambda x: x.max() - x.min())

df.isnull()                      # True pour les valeurs manquantes
df.notnull()                     # True pour les valeurs non-manquantes

df.fillna(0)                     # Remplacer par zéro
df['colonne'].fillna(df['colonne'].mean())  # Remplacer par la moyenne
df.dropna()                      # Supprimer les lignes avec valeurs manquantes
df.dropna(axis=1)                # Supprimer les colonnes avec valeurs manquantes

df.groupby('colonne').mean()                    # Moyenne par groupe
df.groupby(['col1', 'col2']).sum()              # Somme par groupe multi-niveaux
df.groupby('colonne').agg(['min', 'max', 'mean'])  # Plusieurs agrégations

df.groupby('département').agg({
    'ventes': 'sum',
    'clients': 'count',
    'satisfaction': 'mean'
})

pd.merge(df1, df2, on='id')                      # Inner join sur 'id'
pd.merge(df1, df2, on='id', how='left')          # Left join
pd.merge(df1, df2, on='id', how='right')         # Right join
pd.merge(df1, df2, on='id', how='outer')         # Full outer join

pd.merge(df1, df2, left_on='id_a', right_on='id_b')

pd.pivot_table(df, values='ventes', index='région', 
              columns='trimestre', aggfunc='sum', fill_value=0)

df_long = pd.melt(df, id_vars=['région', 'date'], 
                 value_vars=['ventes', 'coûts', 'profits'],
                 var_name='métrique', value_name='valeur')

df['date'] = pd.to_datetime(df['date'])

df['année'] = df['date'].dt.year
df['mois'] = df['date'].dt.month
df['jour_semaine'] = df['date'].dt.day_name()

df_mensuel = df.set_index('date').resample('M').sum()
df_hebdo = df.set_index('date').resample('W').mean()

df.to_csv('fichier.csv', index=False)
df.to_excel('fichier.xlsx', sheet_name='Résultats')
df.to_sql('table', connection, if_exists='replace')
df.to_json('fichier.json')

df['colonne'].value_counts()           # Comptage des valeurs
df.corr()                              # Matrice de corrélation
df.cov()                               # Matrice de covariance

import matplotlib.pyplot as plt
import seaborn as sns

df.plot(kind='bar')                    # Diagramme en barres
df.plot(kind='line')                   # Graphique linéaire
df.plot(kind='scatter', x='col1', y='col2')  # Nuage de points
sns.heatmap(df.corr(), annot=True)     # Carte de chaleur

df['rendement'] = df['revenus'] / df['coûts']
df['marge'] = (df['prix'] - df['coût']) / df['prix'] * 100
df['croissance'] = df['ventes'].pct_change() * 100

performance = df.groupby('département').agg({
    'ventes': ['sum', 'mean'],
    'clients': 'count',
    'satisfaction': ['mean', 'min']
}).round(2)

df['moyenne_mobile'] = df['ventes'].rolling(window=3).mean()
df['tendance'] = df['ventes'].ewm(span=12).mean()