Analyser des données avec pandas suit presque toujours le même enchaînement : charger le fichier dans un DataFrame, l'inspecter, le nettoyer, calculer des agrégats, puis exporter le résultat. Une quinzaine de fonctions suffisent pour la plupart des analyses de bureau (ventes, budgets, exports de CRM). Ce guide déroule ces étapes sur un exemple concret, un export de ventes, avec le code à copier. Il tient compte de pandas 3, sorti en janvier 2026, qui a changé deux comportements que beaucoup de tutoriels plus anciens ignorent encore.
Ce qu'il faut installer
pandas 3 demande Python 3.11 ou plus récent. Si Python n'est pas encore en place, le guide pour installer Python et configurer son environnement couvre Windows et macOS. Travaillez ensuite dans un environnement virtuel, comme le recommande la documentation de pandas, pour ne pas mélanger les versions d'un projet à l'autre.
python -m venv .venv
source .venv/bin/activate # Windows : .venv\Scripts\activate
pip install "pandas[excel]" jupyterlab
python -c "import pandas as pd; print(pd.__version__)"L'option [excel] installe aussi les moteurs de lecture et d'écriture Excel (openpyxl, xlsxwriter, python-calamine). Sans eux, read_excel() s'arrête sur une ImportError. Si la commande pip vous pose problème, l'article sur l'utilisation de pip pour gérer ses packages détaille les cas courants. JupyterLab est facultatif, mais pratique pour l'analyse : vous voyez le résultat de chaque étape sous le code.
Étape 1 : charger un fichier CSV ou Excel
Prenons un export de ventes avec cinq colonnes : date, région, produit, quantité et prix unitaire. Un CSV exporté depuis un Excel français utilise en général le point-virgule comme séparateur et la virgule comme séparateur décimal. Il faut le dire à pandas, sinon tout atterrit dans une seule colonne ou les montants sont lus comme du texte.
import pandas as pd
df = pd.read_csv(
"ventes.csv",
sep=";", # séparateur des exports Excel FR
decimal=",", # 12,50 lu comme 12.5
encoding="utf-8-sig", # essayer "latin-1" si les accents sont cassés
parse_dates=["date"],
)
# Même chose depuis un classeur Excel
df = pd.read_excel("ventes.xlsx", sheet_name="Export")Le résultat est un DataFrame : un tableau avec des colonnes nommées, proche d'une feuille de calcul. Chaque colonne prise seule est une Series.
Étape 2 : inspecter avant de calculer
Cinq lignes de code évitent la plupart des faux résultats. On regarde à quoi ressemblent les données, quels types pandas a détectés et où se trouvent les trous.
df.head() # les 5 premières lignes
df.info() # types des colonnes et valeurs non nulles
df.describe() # min, max, moyenne, quartiles des colonnes numériques
df.isna().sum() # nombre de valeurs manquantes par colonne
df["region"].value_counts() # répartition des valeurs d'une colonneLe point à vérifier en premier est le type des colonnes dans info(). Un prix affiché en str au lieu de float64 signale presque toujours un problème de séparateur décimal ou une cellule polluée (« N/A », espace, symbole €). Une date en str veut dire que parse_dates n'a pas reconnu le format. Le value_counts() sur une colonne de catégories révèle vite les doublons d'orthographe du type « Sud » et « sud ».
Étape 3 : nettoyer les données
Le nettoyage dépend du fichier, mais les mêmes opérations reviennent d'un projet à l'autre : supprimer les doublons, traiter les valeurs manquantes, harmoniser le texte, créer les colonnes calculées.
df = df.drop_duplicates()
df = df.dropna(subset=["quantite", "prix_unitaire"]) # lignes inexploitables
df["region"] = df["region"].str.strip().str.title() # " sud " devient "Sud"
df["ca"] = df["quantite"] * df["prix_unitaire"]
# Filtrer : parenthèses obligatoires autour de chaque condition
sud_2026 = df[(df["region"] == "Sud") & (df["date"].dt.year == 2026)]Notez que la plupart des méthodes renvoient un nouveau DataFrame : sans df = ..., le nettoyage n'est pas conservé. Pour une valeur manquante qui a un sens métier (une remise vide qui vaut zéro, par exemple), préférez fillna(0) sur cette colonne plutôt que de supprimer la ligne.
Étape 4 : agréger et croiser
C'est ici que pandas fait gagner le plus de temps par rapport à un tableur. groupby() calcule des totaux par catégorie, pivot_table() construit l'équivalent d'un tableau croisé dynamique et merge() joint deux tables comme une RECHERCHEV, sans exiger que la clé soit en première colonne.
# Chiffre d'affaires et nombre de ventes par région
par_region = (
df.groupby("region")
.agg(ca=("ca", "sum"), ventes=("ca", "size"))
.sort_values("ca", ascending=False)
)
# CA mensuel par région, régions en colonnes
df["mois"] = df["date"].dt.to_period("M")
croise = df.pivot_table(values="ca", index="mois", columns="region",
aggfunc="sum", fill_value=0)
# Ajouter la catégorie de chaque produit depuis un référentiel
produits = pd.read_excel("produits.xlsx")
df = df.merge(produits, on="produit", how="left")Le how="left" garde toutes les ventes, même celles dont le produit est absent du référentiel. Comptez ensuite les valeurs manquantes de la colonne ajoutée : c'est la liste des produits à corriger dans le référentiel.
| Dans Excel | Dans pandas |
|---|---|
| Filtre automatique | df[df["ca"] > 1000] |
| Supprimer les doublons | df.drop_duplicates() |
| Formule SI | np.where(condition, "oui", "non") (avec import numpy as np) |
| RECHERCHEV | df.merge(autre, on="cle", how="left") |
| Tableau croisé dynamique | df.pivot_table(...) |
| Trier | df.sort_values("colonne") |
| ANNEE(), MOIS() | df["date"].dt.year, .dt.month |
Ces correspondances viennent du guide officiel de pandas destiné aux utilisateurs de tableurs, qui vaut la lecture si vous venez d'Excel.
Étape 5 : exporter et visualiser
with pd.ExcelWriter("synthese_ventes.xlsx") as fichier:
par_region.to_excel(fichier, sheet_name="Par région")
croise.to_excel(fichier, sheet_name="Mensuel")
croise.plot(kind="line", title="CA mensuel par région") # nécessite matplotlibLe fichier Excel produit peut être envoyé tel quel ou servir de source à un tableau de bord. Pour un graphique, plot() s'appuie sur matplotlib : le tutoriel pour créer un graphique simple avec matplotlib montre comment le mettre en forme. Si vos données viennent d'une base plutôt que d'un fichier, pd.read_sql() prend le relais, comme expliqué dans l'article sur la connexion de Python à une base de données SQL.
Les erreurs fréquentes depuis pandas 3
pandas 3.0 active par défaut le mécanisme Copy-on-Write : toute sélection se comporte comme une copie. Conséquence directe, l'affectation en chaîne ne modifie plus le DataFrame d'origine, et le message SettingWithCopyWarning a disparu. Ce code, courant dans les anciens tutoriels, ne fait donc rien :
# Ne modifie pas df
df[df["region"] == "Sud"]["remise"] = 0.1
# Version correcte : une seule opération avec .loc
df.loc[df["region"] == "Sud", "remise"] = 0.1Deuxième changement : les colonnes de texte ont désormais un type str dédié, alors qu'elles apparaissaient en object avant. Un script qui teste df["col"].dtype == object pour repérer le texte doit être revu. La documentation de pandas conseille de passer d'abord par la version 2.3 pour faire apparaître les avertissements avant de migrer un ancien code.
Deux pièges plus anciens restent fréquents. Écrire if df["ca"] > 0: lève une ValueError, parce qu'une Series contient plusieurs valeurs : utilisez .any() ou .all(). Et combiner des filtres avec and au lieu de &, ou sans parenthèses, produit soit une erreur, soit un filtre faux.
Pandas, Excel ou Power BI : lequel choisir pour quelle tâche
Pour une analyse ponctuelle de quelques milliers de lignes, Excel reste plus rapide à ouvrir. Pandas devient rentable dès qu'une analyse se répète (le même export à retraiter chaque semaine), que les fichiers dépassent ce qu'un tableur manipule confortablement ou que plusieurs sources doivent être croisées. Le script devient alors une procédure relançable en quelques secondes, et chaque étape est traçable dans le code.
Pour aller plus loin, commencez par refaire ces cinq étapes sur un de vos propres exports. Si vous voulez un cadre structuré, la formation Python à distance orientée NumPy, Pandas et Seaborn prépare à la certification TOSA, et la formation data science pour manipuler, analyser et visualiser des données avec Python se concentre sur l'analyse.