TP on the moon

Notions intervenant dans ce TP

• suppression de colonnes avec drop sur une DataFrame
• suppression de colonne entièrement vide avec dropna sur une DataFrame
• accès aux informations sur la dataframe avec info
• valeur contenues dans une Series avec unique et value_counts
• conversion d’une colonne en type numérique avec to_numeric et astype
• accès et modification des chaînes de caractères contenues dans une colonne avec l’accesseur str des Series
• génération de la liste Python des valeurs d’une série avec tolist

N’oubliez pas d’utiliser le help en cas de problème.

Répartissez votre code sur plusieurs cellules

1. importez les librairies pandas et numpy

# votre code

2. 1. lisez le fichier de données data/objects-on-the-moon.csv
   2. affichez sa taille et regardez quelques premières lignes

# votre code

3. 1. vous remarquez une première colonne franchement inutile
      utiliser la méthode drop des dataframes pour supprimer cette colonne de votre dataframe
      pd.DataFrame.drop? pour obtenir de l’aide

# votre code

4. 1. appelez la méthode info des dataframes (non-null signifie non-nan i.e. non manquant)
   2. remarquez une colonne entièrement vide

# votre code

5. 1. utilisez la méthode dropna des dataframes pour supprimer en place les colonnes qui ont toutes leurs valeurs manquantes
      (on s’interdit un code qui ferait explicitement référence à la colonne 'Size')
   2. vérifiez que vous avez bien enlevé la colonne 'Size'

# votre code

6. 1. affichez la ligne d’index 88, que remarquez-vous ?
   2. utilisez la méthode dropna des dataframes pour supprimer en place les lignes qui ont toutes leurs valeurs manquantes (et de nouveau sans faire référence à une ligne en particulier)

# votre code

7. 1. utilisez l’attribut dtypes des dataframes pour voir le type de vos colonnes
   2. que remarquez vous sur la colonne des masses ?

# votre code

8. 1. utilisez la méthode unique des Seriespour en regarder le contenu de la colonne des masses
   2. que remarquez vous ?

# votre code

9. 1. conservez la colonne 'Mass (lb)' d’origine
      (par exemple dans une colonne de nom 'Mass (lb) orig')
   2. utilisez la fonction pd.to_numeric pour convertir la colonne 'Mass (lb)' en numérique
      en remplaçant les valeurs invalides par la valeur manquante (NaN)
   3. naturellement vous vérifiez votre travail en affichant le type de la série df['Mass (lb)']
   4. combien y a-t-il de données manquantes dans cette colonne ?

# votre code

10. 1. cette solution ne vous satisfait pas, vous ne voulez perdre aucune valeur
       (même au prix de valeurs approchées)
    2. vous décidez vaillamment de modifier les str en leur enlevant les caractères < et >
       afin de pouvoir en faire des entiers
    • hint:
      les pandas.Series formées de chaînes de caractères sont du type pandas object
      mais elle possèdent un accesseur str qui permet de leur appliquer les méthodes python des str
      (comme par exemple replace)

      df['Mass (lb) orig'].str

      remplacer les < et les > par des ‘’ (chaîne vide)
    3. utilisez la méthode astype des Series pour la convertir finalement en int

# votre code

11. 1. sachant 1 kg = 2.205 lb
       créez une nouvelle colonne 'Mass (kg)' en convertissant les lb en kg
       arrondissez les flottants en entiers en utilisant astype

# votre code

12. 1. Quels sont les pays qui ont laissé des objets sur la lune ?
    2. Combien en ont-ils laissé en pourcentage (pas en nombre) ?
       hint: regardez les paramètres de value_counts

# votre code

13. 1. quel est le poids total des objets sur la lune en kg ?
    2. quel est le poids total des objets laissés par les United States ?

# votre code

14. 1. quel pays a laissé l’objet le plus léger ?

# votre code

15. 1. y-a-t-il un Memorial sur la lune ?
       hint:
       en utilisant l’accesseur str de la colonne 'Artificial object'
       regardez si une des descriptions contient le terme 'Memorial'
    2. quel est le pays qui a mis ce mémorial ?

# votre code

16. 1. faites la liste Python des objets sur la lune
       hint: voyez la méthode tolist() des séries

# votre code