Discussion :

[mina75]

Bonjour,
Je débute mon apprentissage de python pour Data Analyst et je rencontre un problème

Pour simplifier, je dirais que j'ai besoin de faire une opération sur deux lignes pour chaque pays et chaque année
Supposant que nous avons une liste de pays, et une liste d'année :
Pour chaque pays = x et chaque année = y, je souhaite faire une opération de type (categorie = cat2)*5 / (categorie = cat3)

J'ai pensé à faire une boucle imbriqué (voir le code)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import pandas as pd
 
data = {'pays': ['France', 'France', 'France','France','France', 'France', 'France','France', 'Espagne', 'Espagne', 'Espagne', 'Espagne', 'Espagne', 'Espagne', 'Espagne', 'Espagne'],\
    'annee': [2000, 2000, 2000, 2000, 2002, 2002, 2002, 2002, 2000, 2000, 2000, 2000, 2002, 2002, 2002, 2002],\
    'categorie': ['cat1', 'cat2', 'cat3', 'cat4' ,'cat1', 'cat2', 'cat3', 'cat4' ,'cat1', 'cat2', 'cat3', 'cat4' ,'cat1', 'cat2', 'cat3', 'cat4' ], \
    'valeur': np.random.randn(16)   }
 
df_exemple = pd.DataFrame(data)
 
c= []
for pays in ['France','Espagne']:  #la série pays sans duplications
    df_pays = df_exemple[df_exemple['pays']==pays]
 
    for annee in [2000,2002]:  #la série année sans duplications
        df_annee = df_pays[df_pays['annee']==annee]
        a = df_annee[df_annee['categorie']=='cat2']['valeur'].iloc[0]  * 5
        b = df_annee[df_annee['categorie']=='cat3']['valeur'].iloc[0]
        c.append(a/b)
print ("c=",c)

J'ai pensé aussi à une autre solution en 3 étapes :

1 : supprimer toutes les lignes qui ne m'intéressent pas
2 : rajouter une nouvelle colonne si catégorie = cat2 nouvelle valeur = valeur_cat2*5
si catégorie = cat 3 nouvelle valeur = 1/valeur_cat3
3 : faire groupby avec product


Mais je crois qu'une solution plus simple peut exister
Merci d'avance pour votre aide

[wiztricks]

Mais je crois qu'une solution plus simple peut exister

Quand j'ai un problème avec les données, je regarde comment elles sont construites.

On pourrait avoir les colonnes (pays, année, cat1, cat2, cat3, cat4, cat5) et la solution à votre problème serait immédiate.

Une ligne est l'unité d'information à laquelle on va pouvoir appliquer une opération. Votre problème est que vous avez tartiné les données sur plusieurs lignes et "cassé" la ligne: pourquoi faire?

- W

[mina75]

Bonjour, merci pour votre réponse
Dans la vraie base de données j'ai près de 10 cat (parfois juste 4 pour un pays)
si j'ai bien compris, je dois récupérer la colonne catégorie, pour la redimensionner j'utilise reshape ?
Mais dans ce cas je risque d'avoir beaucoup de valeurs manquantes
ps: c'est une base de donnée qui existe

[wiztricks]

Mais dans ce cas je risque d'avoir beaucoup de valeurs manquantes
ps: c'est une base de donnée qui existe

C'est un schéma utilisée côté SGDB lorsqu'on ne sait pas le nombre de colonnes qu'il y aura.
Mais lorsque vous récupérez vos données de la base, vous savez quelles catégories vous recherchez et vous pouvez "fusionner" les lignes qui ont différentes catégories.

- W

[mina75]

Bonjour, je vous remercie pour votre réponse

Finalement, en bien cherchant dans la documentation de pandas, j'ai trouvé une autre solution

l

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

iste_groupes = df_exemple.groupby(['pays','annee']).groups

par la suite, j'ai fais une boucle pour effectuer mon opération

Merci pour votre conseil, je vais essayer de l'appliquer aussi