0Pricing
Python Academy · Leçon

Indexation, filtrage et masques booléens

Sélectionnez des lignes et des colonnes avec loc, iloc et des conditions booléennes.

Indexation, filtrage et masques booléens est une leçon Python Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Python Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Python Academy comprend 4 leçons au total.

loc ou iloc

loc sélectionne selon l’étiquette ; iloc sélectionne selon la position entière. Ne les confondez jamais.

import pandas as pd

df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]}, index=["x","y","z"])
print(df.loc["y"])       # row with label y
print(df.iloc[1])        # row at position 1 (same row)
print(df.loc["x":"y"])   # rows x to y inclusive

Filtrage par masque booléen

Créez une Series booléenne et utilisez-la pour sélectionner des lignes. C’est l’équivalent pandas de l’indexation booléenne de NumPy.

import pandas as pd

df = pd.DataFrame({"name":["Alice","Bob","Carol"],"age":[30,17,25]})
adults = df[df["age"] >= 18]
print(adults)
# Alice 30
# Carol 25

Conditions multiples

Combinez les conditions booléennes avec & (et) et | (ou). Entourez chaque condition de parenthèses.

import pandas as pd

df = pd.DataFrame({"city":["NY","LA","NY","LA"],"score":[80,90,70,85]})
result = df[(df["city"]=="NY") & (df["score"]>75)]
print(result)

Méthode query()

df.query("expression") accepte une expression sous forme de chaîne, souvent plus lisible que les masques booléens.

import pandas as pd

df = pd.DataFrame({"age":[30,17,25],"score":[90,80,70]})
result = df.query("age >= 18 and score > 75")
print(result)

Filtrage avec isin()

isin(list) filtre les lignes dont la valeur d’une colonne appartient à une liste donnée.

import pandas as pd

df = pd.DataFrame({"city":["NY","LA","Chicago","NY"],"val":[1,2,3,4]})
print(df[df["city"].isin(["NY","LA"])])
# rows with NY or LA

between() pour filtrer une plage

series.between(left, right) renvoie True pour les valeurs comprises dans [left, right] — bornes incluses par défaut.

import pandas as pd

df = pd.DataFrame({"score":[55,70,85,95,40]})
print(df[df["score"].between(60, 90)])
# 70 and 85

loc pour les affectations

Utilisez toujours loc/iloc pour effectuer une affectation sur place afin d’éviter l’avertissement SettingWithCopyWarning.

import pandas as pd

df = pd.DataFrame({"val":[1,2,3,4]})
df.loc[df["val"] > 2, "val"] = 99
print(df)
# 0:1  1:2  2:99  3:99

at et iat pour les valeurs individuelles

at[label, col] et iat[i, j] offrent un accès rapide aux valeurs scalaires — plus rapide que loc/iloc pour les valeurs individuelles.

import pandas as pd

df = pd.DataFrame({"a":[10,20],"b":[30,40]})
print(df.at[0,"a"])    # 10  (by label)
print(df.iat[1,1])     # 40  (by position)

Sélection selon le type de données

select_dtypes(include/exclude) sélectionne les colonnes selon leur type de données.

import pandas as pd

df = pd.DataFrame({"x":[1,2],"name":["a","b"],"score":[1.5,2.5]})
nums = df.select_dtypes(include=["number"])
print(nums.columns.tolist())   # ['x', 'score']

Suppression des doublons

drop_duplicates() supprime les lignes en double. Indiquez subset pour comparer uniquement certaines colonnes.

import pandas as pd

df = pd.DataFrame({"name":["Alice","Bob","Alice"],"age":[30,25,30]})
print(df.drop_duplicates())
# keeps first Alice, removes second

nlargest et nsmallest

Sélectionnez efficacement les N premières ou dernières lignes selon la valeur d’une colonne.

import pandas as pd

df = pd.DataFrame({"product":["A","B","C","D"],"sales":[500,300,800,200]})
print(df.nlargest(2,"sales"))
# C 800
# A 500

Vérification rapide

Quelle est la différence entre loc et iloc ?

Récapitulatif

Utilisez loc[label] pour une sélection selon les étiquettes et iloc[i] pour une sélection selon les positions. Filtrez les lignes avec des masques booléens combinés par &/|. Utilisez query() pour des filtres lisibles, isin() pour les tests d’appartenance, et effectuez toujours les affectations via loc pour éviter SettingWithCopyWarning.

Questions Fréquemment Posées

La leçon « Indexation, filtrage et masques booléens » est-elle gratuite ?

Oui — le texte complet de « Indexation, filtrage et masques booléens » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Python Academy, passe à CoddyKit PRO. Le cours Python Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Indexation, filtrage et masques booléens » ?

Sélectionnez des lignes et des colonnes avec loc, iloc et des conditions booléennes. Tu pratiques Python Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Python Academy ?

Aucune expérience préalable n'est requise. Python Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.

Combien de temps prend la leçon « Indexation, filtrage et masques booléens » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Python Academy ?

Oui. Chaque leçon Python Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Fondamentaux des Series et DataFrame
  2. Indexation, filtrage et masques booléens
  3. GroupBy, agrégation et tableaux croisés dynamiques
  4. Fusion, jointure et nettoyage des données
← Retour à Python Academy