La conversion entre types de données est le processus de transformation d’une variable d’un type de données à un autre. En Python, vous pouvez convertir des variables d’un type de données à un autre en utilisant des fonctions de conversion intégrées. Voici quelques exemples :
- Conversion de nombres : Vous pouvez convertir un nombre entier en nombre décimal en utilisant la fonction float().
a. Conversion d’un nombre entier en nombre décimal :
x = 5
y = float(x)
print(y)
# Résultat : 5.0
b. Conversion d’un nombre décimal en nombre entier :
x = 5.0
y = int(x)
print(y)
#Résultat : 5
-
Conversion de chaînes de caractères : Vous pouvez convertir une chaîne de caractères en nombre en utilisant les fonctions int() ou float().
a. Conversion d’une chaîne de caractères en nombre entier :
x = "5"
y = int(x)
print(y)
#Résultat : 5
b. Conversion d’une chaîne de caractères en nombre décimal :
x = "5.0"
y = float(x)
print(y)
#Résultat : 5.0
c. Conversion d’un nombre en chaîne de caractères :
x = 5
y = str(x)
print(y)
#Résultat : "5"
- Conversion de valeurs booléennes : Vous pouvez convertir une valeur booléenne en nombre en utilisant la fonction int(). True est converti en 1 et False est converti en 0. Vous pouvez également convertir un nombre en valeur booléenne en utilisant la fonction bool(). Tout nombre différent de zéro est converti en True et zéro est converti en False.
a. Conversion d’une valeur booléenne en nombre :
x = True
y = int(x)
print(y)
#Résultat : 1
b. Conversion d’un nombre en valeur booléenne :
x = 0
y = bool(x)
print(y)
#Résultat : False
- Conversion d’une liste en numpy array :
import numpy as np
liste = [1, 2, 3, 4, 5]
array = np.array(liste)
print(array) # Résultat : [1 2 3 4 5]
Dans cet exemple, une liste est créée avec des nombres entiers. La liste est ensuite convertie en un numpy array à l’aide de la fonction « np.array ». Le numpy array est ensuite affiché à l’aide de la fonction « print ».
- Conversion d’un numpy array en liste :
import numpy as np
array = np.array([1, 2, 3, 4, 5])
liste = array.tolist()
print(liste) # Résultat : [1, 2, 3, 4, 5]
Dans cet exemple, un numpy array est créé avec des nombres entiers. Le numpy array est ensuite converti en une liste à l’aide de la méthode « tolist ». La liste est ensuite affichée à l’aide de la fonction « print ».
- Conversion d’un dataframe en dictionnaire :
import pandas as pd
df = pd.DataFrame({'nom': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
dictionnaire = df.to_dict()
print(dictionnaire) # Résultat : {'nom': {0: 'Alice', 1: 'Bob', 2: 'Charlie'}, 'age': {0: 25, 1: 30, 2: 35}}
Dans cet exemple, un dataframe est créé avec des informations sur des personnes. Le dataframe est ensuite converti en un dictionnaire à l’aide de la méthode « to_dict ». Le dictionnaire est ensuite affiché à l’aide de la fonction « print ».
- Conversion d’un dictionnaire en dataframe :
import pandas as pd
dictionnaire = {'nom': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(dictionnaire)
print(df) # Résultat : nom age
- Conversion d’un numpy array en dataframe :
import pandas as pd
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6]])
df = pd.DataFrame(array, columns=['col1', 'col2', 'col3'])
print(df)
Dans cet exemple, un numpy array est créé avec des entiers. Le numpy array est ensuite converti en un dataframe en spécifiant les noms de colonnes à l’aide de la fonction « pd.DataFrame() ». Le dataframe résultant contient les valeurs du numpy array avec les noms de colonnes spécifiés.
- Conversion d’un dataframe en numpy array :
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
array = df.values
print(array)
Dans cet exemple, un dataframe est créé avec des entiers. Le dataframe est ensuite converti en un numpy array à l’aide de la méthode « values ». Cependant, lors de cette conversion, les noms de colonnes et les informations de l’index sont perdus. Le numpy array ne contient que les valeurs numériques.
Il est important de noter que lors de la conversion entre types de données, il peut y avoir une perte d’informations telles que les noms de colonnes et les informations d’index. De plus, la conversion de nombres décimaux en nombres entiers peut entraîner une perte de précision. Il est donc important de comprendre les implications de la conversion entre types de données et de l’utiliser avec précaution pour éviter la perte de précision ou de données.