#!/usr/bin/env python
# coding: utf-8

# # 19 Tableaux et analyse de données

# ### 19.1 Tableau unidimensionnel de données

# In[2]:


from sympy import isprime
L = [i for i in range(100) if isprime(i)]
L


# In[3]:


from pandas import Series
s = Series(L)
s


# In[4]:


s[13]


# In[7]:


s.argmax()


# In[8]:


s.cumsum()


# ### 19.2 Afficher quelques statistiques

# In[9]:


s.describe()


# In[10]:


s.mean()


# In[11]:


s.std()


# In[12]:


s.min()


# In[13]:


def f(p):
    return p**2 - 3
s.apply(f)


# ### 19.3 Opérations sur une série

# In[16]:


s * 10000 + 45


# In[17]:


s / sum(s)


# In[18]:


t = Series([i**3 for i in range(25)])


# In[19]:


t


# In[22]:


s ** t


# ### 19.4 Concaténation de deux séries

# In[25]:


from pandas import concat
df = concat([s,t], axis=1)
df


# In[26]:


type(df)


# ### 19.5 Tableau 2-dimensionnel de données

# In[34]:


import pandas as pa
d = {'nb premiers':s, 'cubes':t}
df = pa.DataFrame(d, columns=['nb premiers', 'cubes'])


# In[35]:


df


# In[37]:


df.describe()


# ### 19.6 Accéder à une colonne d'un tableau

# In[36]:


df['cubes']


# ### 19.7 Afficher les premières/dernières lignes

# In[38]:


L = [isprime(i) for i in range(10000)]


# In[39]:


L[:10]


# In[40]:


L = map(isprime, range(10000))


# In[43]:


L[:10]


# In[44]:


s = Series(L)


# In[45]:


t = s.cumsum()


# In[49]:


df = pa.DataFrame()


# In[50]:


df['isprime'] = s


# In[51]:


df['pi_x'] = t


# In[53]:


df.head()


# In[55]:


df.tail(8)


# ### 19.8 Sous-tableau

# In[56]:


df[500:520]


# ### 19.9 Ajouter une colonne dans un tableau

# In[57]:


from math import log   


# In[58]:


10000 / log(10000)


# In[62]:


from math import sqrt
12.29*sqrt(10000)


# In[63]:


def x_sur_log_x(x):         
    if x > 1:               
        return x/log(x)     
    else:                   
        return None          


# In[64]:


X = Series(range(10000))
gauss = X.apply(x_sur_log_x)
nous = X.apply(lambda x:12.29*sqrt(x))


# In[65]:


df['x_logx'] = gauss
df['nous'] = nous


# In[66]:


df.head()


# ### 19.10 Visualiser les données

# In[67]:


get_ipython().run_line_magic('matplotlib', 'inline')


# In[68]:


df.plot()


# In[70]:


del df['nous']
df[:100].plot()


# In[79]:


from sympy import Li
df['Li_x'] = Series([Li(x).n() for x in range(10000)], dtype='float64')


# In[80]:


df.head()


# In[81]:


df.Li_x


# In[84]:


df.plot()


# ### 19.11 Exporter des données

# In[85]:


from pandas import ExcelWriter
writer = ExcelWriter('tableau.xlsx')
df.to_excel(writer, 'Feuille 1')
writer.save()


# In[87]:


df.to_csv('tableau.csv')


# In[88]:


ls


# In[89]:


get_ipython().system('head tableau.csv')


# ### 19.12 Importer des données

# In[91]:


df2 = pa.read_excel('tableau.xlsx')


# In[92]:


df2.head()


# In[ ]:


pa.read_csv


# ### 19.13 Exemple: analyser des données de data.gov.be

# In[ ]: