Principe
pandas offre des DataFrames (tableaux) avec lecture de fichiers (Excel, CSV, SQL), filtres, regroupements, jointures, pivots et calculs vectorisés sur des millions de lignes. Associé à Jupyter (cahiers interactifs) et à des bibliothèques graphiques, c'est l'outil standard de l'analyse de données.
Comprendre pas à pas
1. La situation
Un analyste traite chaque mois un fichier de 2 millions de lignes de mouvements de stock. Excel plante. Il a entendu parler de Python et de pandas. Question : comment analyser de gros volumes de données avec pandas ?
2. Les opérations de base
| Besoin | Code pandas |
|---|---|
| Lire un fichier | df = pd.read_csv("mouvements.csv", sep=";", parse_dates=["date"]) |
| Filtrer | sorties = df[df["type"] == "SORTIE"] |
| Regrouper | conso = sorties.groupby(["article", df["date"].dt.to_period("M")])["qte"].sum() |
| Joindre | df = df.merge(articles, on="article", how="left") |
| Exporter | conso.to_excel("conso_mensuelle.xlsx") |
3. L'idée
pandas est la bibliothèque Python de manipulation de tableaux de données (DataFrame). Elle traite des millions de lignes, enchaîne filtres, regroupements et jointures dans un script reproductible, et s'intègre avec les outils de visualisation et de prévision. Un environnement comme Jupyter permet d'avancer pas à pas.
DataFrame
Un tableau avec colonnes nommées et typées.
Vectorisation
Les opérations s'appliquent à une colonne entière, sans boucle.
Reproductible
Le même script refait l'analyse le mois suivant.
4. Le script mensuel
Lecture. 2 millions de lignes chargées en quelques secondes.
Consommation mensuelle. Regroupement par article et par mois.
Indicateurs. Coefficient de variation par article : classement XYZ.
Résultat. Analyse ABC/XYZ produite en 1 minute chaque mois, au lieu d'une demi-journée.
5. À vous de jouer : vos bases pandas
6. Ce qu'il faut retenir
- pandas : des tableaux de données en Python, sans limite de lignes d'Excel.
- Lire, filtrer, regrouper, joindre, exporter.
- Un script reproductible chaque mois.
Mise en œuvre
- Acteurs
- Analystes
- Durée
- Apprentissage de quelques semaines
- Livrables
- Usage maîtrisé, gains mesurés
- Installer l'environnementAnaconda ou Python + Jupyter.
- Lire les donnéesExcel, CSV, SQL.
- Transformer et agrégerFiltres, regroupements, jointures.
- Exporter ou visualiserEt versionner les scripts.
Exemple d'application
Analyse de 3 ans de mouvements (8 millions de lignes, trop pour Excel) : calcul de la variabilité de la demande par article et classement XYZ en quelques secondes.
Points de vigilance
- Scripts non versionnés et non commentés