Installer pandas et votre premier tableau

Le problème que nous résolvons

Les recettes d'un magasin sur trois mois se trouvent dans un fichier CSV — douze mille lignes. La question est simple : quel produit s'est le plus vendu ?

Vous pourriez le faire avec les connaissances en Python que vous avez déjà. Ouvrir le fichier, lire chaque ligne, découper selon les virgules, convertir en nombres, les additionner un par un. Quarante lignes de code, avec un risque de vous tromper à chaque étape.

Avec pandas, cela prend deux lignes. Car pandas apporte à Python une chose qu'il n'avait pas auparavant : un tableau. Une grille entière de lignes et de colonnes est conservée comme une valeur unique, et l'additionner, la filtrer ou la trier se fait en une seule opération à chaque fois.

Une chose mérite toutefois d'être clarifiée d'abord. print, len et input sont fournis avec Python. Pas pandas. Il doit être installé séparément, et ne pas comprendre exactement où il s'installe est précisément ce qui bloque les débutants dès le premier jour avec une erreur dont la cause est difficile à cerner.

À la fin de ce chapitre, vous saurez

• Expliquer ce qui distingue la bibliothèque propre à Python d'un paquet externe
• Créer et activer un environnement virtuel pour un projet
• Installer pandas avec pip et vérifier la version
• Construire et afficher votre premier DataFrame à la main
• Lire une ModuleNotFoundError et identifier exactement ce qui s'est mal passé

Prérequis : dans le cours Python, le terminal, les dossiers et votre premier projet et les variables et les types.

Pandas ne fait pas partie de Python

Ce qui est fourni avec Python s'appelle la bibliothèque standard — print, len, math, random en font tous partie. Pas pandas. Il s'agit d'un paquet externe, écrit par d'autres personnes et publié sur un dépôt appelé PyPI.

L'outil qui le télécharge est pip, qui lui est fourni avec Python.

Et cela soulève la première question, celle qui pose problème plus tard si on l'ignore : installé où ?

Pourquoi un environnement virtuel

Tapez pip install pandas et pandas atterrit dans le Python global de votre machine. Pour un seul projet, cela fonctionne. Mais dans six mois, lorsqu'un deuxième projet aura besoin d'une version différente de pandas, les deux se disputeront la même place — et en réparer un cassera l'autre.

La solution est un espace dédié par projet : un environnement virtuel. Il s'agit en réalité d'un simple dossier ordinaire à l'intérieur du projet contenant les paquets de ce projet. Supprimez le projet et les paquets partent avec lui, tandis que le Python principal de la machine reste propre.

Dans le terminal, en vous plaçant dans votre dossier de projets :

cd D:\python-lab
mkdir pandas-lab
cd pandas-lab
python -m venv .venv

Activez-le maintenant :

.venv\Scripts\activate

Une fois actif, le nom de cet espace apparaît au tout début de l'invite de commande :

(.venv) PS D:\python-lab\pandas-lab>

Ce (.venv) est capital. Si vous ne le voyez pas, vous êtes en dehors de l'environnement, et pip install installera le paquet ailleurs. Chaque nouveau terminal nécessite à nouveau activate — ce n'est pas quelque chose que l'on configure une fois pour toutes.

Si PowerShell signale que l'exécution de scripts est désactivée, exécutez ceci une fois :

Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

Pour quitter l'environnement, tapez deactivate.

Installer, puis vérifier

pip install pandas

Quelques secondes plus tard, l'opération se termine par Successfully installed .... Remarquez que NumPy a été installé en même temps que pandas — pandas utilise NumPy sous le capot, et pip résout ces dépendances pour vous.

Vérifiez maintenant. Créez un fichier nommé check.py :

import pandas as pd

print(pd.__version__)

2.2.3

Votre numéro peut être différent, ce qui ne pose aucun problème. Ce qui compte, c'est qu'un numéro de version s'affiche : cela signifie que Python a trouvé pandas.

Deux remarques sur cette ligne import pandas as pd. import pandas importe pandas ; as pd lui donne un nom court. Le nom pd n'est pas obligatoire, mais la quasi-totalité du code pandas dans le monde l'utilise — écrire autre chose rend donc votre code plus difficile à lire pour les autres. Adoptez la convention.

Un exemple complet

first_frame.py :

import pandas as pd

# A DataFrame from a dictionary: each key is a column name,
# each list is that column's values, top to bottom.
sales = pd.DataFrame({
    "product": ["pen", "notebook", "bag"],
    "quantity": [12, 5, 2],
    "price": [15.0, 60.0, 850.0],
})

print(sales)

product  quantity  price
0       pen        12   15.0
1  notebook         5   60.0
2       bag         2  850.0

Regardez attentivement ce qui a été affiché, car chaque élément aura son importance dans les chapitres suivants.

Tout en haut se trouvent les noms des colonnes — product, quantity, price. Sur la gauche se trouvent 0, 1, 2. Ce n'est pas une colonne ; il s'agit de l'index, c'est-à-dire les noms des lignes. Vous ne les avez pas écrits dans le dictionnaire ; pandas les a fournis lui-même, en comptant à partir de zéro.

Et remarquez le 15.0 dans la colonne price. Vous avez écrit 15.0, donc toute la colonne s'affiche avec des décimales, même si 850.0 aurait pu être un entier. Chaque valeur d'une colonne partage le même type — une règle fondamentale dans pandas, et le sujet principal du chapitre suivant.

Avec le tableau sous la main, lui poser des questions est très simple :

import pandas as pd

sales = pd.DataFrame({
    "product": ["pen", "notebook", "bag"],
    "quantity": [12, 5, 2],
    "price": [15.0, 60.0, 850.0],
})

print(sales.shape)
print(sales["quantity"].sum())

(3, 3)
19

shape indique la taille du tableau — trois lignes, trois colonnes, dans cet ordre. Et sales["quantity"].sum() additionne chaque valeur d'une colonne. Avec douze mille lignes, la ligne de code serait exactement la même, et c'est précisément tout l'intérêt d'apprendre pandas.

En cas d'erreur

ModuleNotFoundError: No module named 'pandas' Python n'a pas pu trouver pandas. Presque toujours, cela signifie que l'endroit où il a été installé et l'endroit depuis lequel le programme est exécuté ne sont pas les mêmes. Vérifiez la présence de (.venv) dans l'invite de commande ; s'il est absent, faites activate et relancez le programme. Lorsque l'environnement est actif, pip list indiquera si pandas est bien présent.

'pip' is not recognized as an internal or external command pip n'est pas dans le PATH. Écrivez plutôt python -m pip install pandas — cela appelle pip à travers le Python en cours d'exécution, ce qui fonctionne sans le PATH et ne laisse aucun doute quant au Python dans lequel l'installation s'effectue.

.venv\Scripts\activate : File cannot be loaded because running scripts is disabled Une stratégie de sécurité de PowerShell. Exécutez Set-ExecutionPolicy -Scope CurrentUser RemoteSigned une fois, puis réessayez dans un nouveau terminal.

Tout fonctionne, mais l'éditeur affiche des soulignements rouges L'éditeur utilise probablement un autre Python. Dans VS Code, faites Ctrl + Shift + P → Python: Select Interpreter → choisissez celui situé dans le .venv du projet. Si le programme s'exécute dans le terminal, le code est tout à fait correct — le soulignement rouge n'est qu'une erreur d'appréciation de l'éditeur.

NameError en écrivant DataFrame Il faut écrire pd.DataFrame, et non DataFrame seul. import pandas as pd importe l'ensemble de la bibliothèque sous le nom pd ; tout ce qu'elle contient est donc accessible via pd..

À vous de jouer

Créez un nouveau dossier, créez-y votre propre environnement virtuel et installez pandas, puis écrivez un fichier nommé stock.py contenant :

1. Un DataFrame d'au moins quatre produits avec trois colonnes — une de texte, une d'entiers, une de décimaux
2. Tout le tableau affiché
3. shape affiché, indiquant le nombre de lignes et de colonnes
4. La somme des deux colonnes numériques affichée

Ensuite, cassez-le volontairement : tapez deactivate dans le terminal pour quitter l'environnement et relancez le fichier. Quelle erreur apparaît, et que vous indique-t-elle exactement ?

Ne sautez pas cette dernière étape. Vous rencontrerez ModuleNotFoundError à de nombreuses reprises, et la provoquer délibérément aujourd'hui vous permettra d'en reconnaître la cause en une seconde la prochaine fois.