import pandas as pdcontainer – un container de datasets Pandas
Une API très simple qui permet de créer ou charger des containers de données Pandas
Sans surprise la 1ere dependance est pandas
df_basic = pd.DataFrame([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]], columns=['A', 'B', 'C', 'D', 'E'])
df_basic| A | B | C | D | E | |
|---|---|---|---|---|---|
| 0 | 0 | 1 | 2 | 3 | 4 |
| 1 | 5 | 6 | 7 | 8 | 9 |
Je vais faire les tests de base avec ce dataset hyper simple
Container
Container (cle:str, dataset:pandas.core.frame.DataFrame=None, colonnes_a_masquer:list=[], colonnes_a_conserver:list=[])
Un container de dataset qui s’initialise en passant une clé et un dataset
| Type | Default | Details | |
|---|---|---|---|
| cle | str | la clé du container | |
| dataset | DataFrame | None | le dataset |
| colonnes_a_masquer | list | [] | les colonnes à masquer |
| colonnes_a_conserver | list | [] | les colonnes qui ne seront pas transformées |
Un exemple de création d’un container, et ce que ça affiche
basic = Container('hyper_basic', df_basic)
basicContainer for "hyper_basic" of shape (2, 5)Egalité de 2 containers
Si la clé et la meme, et le shape du dataset également, alors on est sur le meme container
df_basic2 = pd.DataFrame([[0, 1, 3, 4], [5, 6, 8, 9]], columns=['A', 'B', 'D', 'E'])
df_basic2| A | B | D | E | |
|---|---|---|---|---|
| 0 | 0 | 1 | 3 | 4 |
| 1 | 5 | 6 | 8 | 9 |
ici quelques tests d’égalité
test_eq(Container('basic', df_basic), Container('basic', df_basic))longueur
Container.longueur
Container.longueur ()
retourne le nombre de lignes du dataset
df_basic2 = pd.DataFrame([[0, 1, 3, 4], [5, 6, 8, 9]], columns=['A', 'B', 'D', 'E'])
Container('basic', df_basic2).longueur()2