Summary  
This chapter explains how to inspect a DataFrame’s structure and metadata by using the `info()` method to view column names, types, and dimensions, and the `len()` function to determine its row count.

General domain of usage  
Data analysis

Dans `pandas`, il existe une méthode pratique nommée `info()` qui fournit des informations de base sur un ensemble de données.

import pandas as pd
# It's a dataframe
df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a43d24b6-df61-4e11-9c90-5b36552b3437/example.csv')
info = df.info()
print(info)

Cette méthode affiche le nombre de lignes et de colonnes dans le DataFrame, ainsi que le nom et le type de données de chaque colonne. Par exemple, `df` contient **20** lignes et **5** colonnes.

Pour déterminer la longueur du DataFrame, nous pouvons utiliser la fonction `len()`, comme démontré dans l'exemple ci-dessous:
```python
length = len(df)
```

Pandas est une bibliothèque extrêmement conviviale pour l'analyse de données. Elle est également conçue pour gérer de grands ensembles de données, en utilisant des structures de données comme DataFrame et Series. Cela en fait un outil inestimable pour la science des données. Dans ce guide, vous vous familiariserez avec une gamme de fonctions statistiques, y compris comment trouver des corrélations, des modes, des médianes, et des valeurs maximales et minimales au sein d'un ensemble de données. Vous apprendrez également à gérer les valeurs manquantes et à manipuler des valeurs spécifiques, ainsi qu'à les supprimer.

Dans cette section, nous explorerons les fondamentaux des structures Series et DataFrame. Vous apprendrez également les distinctions entre ces deux types de structures.

Les données peuvent être obtenues dans divers formats, tels que CSV, JSON, SQL, HTML, et plus encore. Avec Pandas, vous n'êtes pas limité à un seul format — vous pouvez travailler avec des données provenant de nombreux types de fichiers. Dans ce chapitre, nous nous concentrerons spécifiquement sur les formats CSV et TXT.

Ici, vous apprendrez à traiter les données brutes en supprimant les informations superflues et en gérant les valeurs nulles dans un ensemble de données.

Explorer le Jeu de Données

Solution

Awesome!

Explorer le Jeu de Données

Solution

Awesome!