Filtrer les lignes

Filtrer avec des conditions booléennes

Le filtrage vous permet de vous concentrer sur le sous-ensemble de données qui compte. Vous créez un masque booléen, une Series de valeurs True/False, et vous l’utilisez pour sélectionner des lignes.

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

# Filter passengers older than 30
older = df[df["Age"] > 30]
print(older.shape)   # fewer rows than original 891

L’expression df["Age"] > 30 produit une Series booléenne :

0       True
1       True
2      False
3       True
...

La passer à l’intérieur de df[...] ne conserve que les lignes où la valeur est True.

Combiner des conditions

Utilisez & (et) et | (ou) pour combiner des conditions. Chaque condition doit être entourée de parenthèses :

# Female passengers in first class
first_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 1)]
print(first_class_female.head())

# Passengers younger than 25 OR older than 60
young_or_old = df[(df["Age"] < 25) | (df["Age"] > 60)]
print(young_or_old.shape)

Erreur courante : utiliser and/or au lieu de &/|. Les opérateurs and/or de Python ne fonctionnent pas élément par élément sur les Series pandas et provoqueront une erreur.

Utiliser .isin() pour plusieurs valeurs

Lorsque vous devez comparer une liste de valeurs, utilisez .isin() :

# Passengers who embarked from Cherbourg or Southampton
embarked_filter = df[df["Embarked"].isin(["C", "S"])]

# Passengers in class 1 or 2
upper_classes = df[df["Pclass"].isin([1, 2])]

Utiliser .between() pour les plages

La méthode .between() est plus propre que l’enchaînement de deux comparaisons :

# Passengers aged 20 to 30 (inclusive by default)
twenties = df[df["Age"].between(20, 30)]
print(twenties.shape)

Cela équivaut à df[(df["Age"] >= 20) & (df["Age"] <= 30)] mais c’est plus lisible.

Filtrer avec des méthodes de chaîne

L’accesseur .str permet d’appliquer des opérations sur les chaînes à toute une colonne :

# Passengers whose name contains "Master" (a title)
masters = df[df["Name"].str.contains("Master", na=False)]
print(masters.shape)

# Passengers whose ticket starts with "A"
a_tickets = df[df["Ticket"].str.startswith("A", na=False)]

Le paramètre na=False gère les valeurs manquantes avec élégance, sans lui, les entrées NaN provoqueraient des erreurs.

Filtrer avec .query()

Pour les filtres complexes, .query() offre une alternative lisible :

# Equivalent to df[(df["Age"] > 25) & (df["Survived"] == 1)]
survivors_over_25 = df.query("Age > 25 and Survived == 1")

Cela se lit presque comme de l’anglais et évite la syntaxe répétitive df["colonne"].

Stocker les filtres dans des variables

Pour les conditions complexes, stockez d’abord le masque booléen dans une variable :

is_female = df["Sex"] == "female"
is_first_class = df["Pclass"] == 1
is_survived = df["Survived"] == 1

# Combine them
result = df[is_female & is_first_class & is_survived]
print(f"Female first-class survivors: {len(result)}")

Cette approche rend votre code beaucoup plus facile à lire et à déboguer.

Essayez-le

À partir du jeu de données Titanic, filtrez pour trouver :

1. Tous les passagers qui ont payé plus de 100 de tarif
2. Toutes les passagères femmes en troisième classe
3. Tous les passagers dont le nom contient le titre « Mrs »

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

high_fare = df[df["Fare"] > 100]
print(f"High fare passengers: {len(high_fare)}")

third_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 3)]
print(f"Third-class females: {len(third_class_female)}")

mrs = df[df["Name"].str.contains("Mrs", na=False)]
print(f"Passengers with title Mrs: {len(mrs)}")

Points clés à retenir

• L’indexation booléenne df[mask] est le principal mécanisme de filtrage dans pandas
• Utilisez & pour ET, | pour OU, entourez toujours les conditions individuelles de parenthèses
• .isin() compare une liste ; .between() gère proprement les plages
• .str.contains() filtre par correspondance de sous-chaîne, utilisez na=False par sécurité

Défi pratique

À partir du jeu de données Titanic, trouvez tous les passagers qui : (1) étaient de sexe masculin, (2) voyageaient en deuxième ou troisième classe, (3) avaient entre 18 et 35 ans, et (4) ont survécu. Combien de passagers satisfont les quatre conditions ?