Semaine 2 — Lire et interroger des données avec pandas

Outils informatiques pour les géosciences II

Sébastien Biass

sebastien.biasse@unige.ch

1st floor, office 103

16 octobre 2026

Pandas & données tabulaires

Données tabulaires

Structure

• Ligne: Observation
• Colonnes: Propriétés de l’observation

Format

• Excel, csv, base de données, shapefiles

Types de données:

• Numériques vs catégoriques

Pandas

• pandas est une bibliothèque Python conçue pour les données organisées en tableaux.

• Elle permet de transformer une question en une suite d’opérations explicites:

  • comprendre la structure des données
  • choisir les observations et variables pertinentes
  • produire un résultat reproductible
  • conserver la trace des choix effectués

Présenter pandas comme un moyen de formaliser un raisonnement. La fonction vient après la question scientifique, pas avant.

Raisonnement scientifique

La capacité de pandas à traiter les données épaule toutes les étapes du raisonnement scientifique:

1. Question: quel phénomène voulons-nous décrire?
2. Données: que représente une ligne et quelles variables sont disponibles?
3. Sélection: quelles observations répondent réellement à la question?
4. Résultat: que montre le tableau obtenu?
5. Discussion: quelle conclusion reste compatible avec les limites du catalogue?

Insister sur le fait que la sélection constitue déjà une décision scientifique. Un filtre mal défini peut produire un résultat techniquement correct mais scientifiquement inadéquat.

Cinq actions sur les données

• Inspecter: Que contient le fichier? → types de variables, valeurs manquantes
• Sélectionner: Quelles variables sont nécessaires?
• Filtrer: Quelles observations appartiennent au groupe étudié?
• Trier: Quelles observations occupent les positions extrêmes?
• Transformer: Les variables utilisent-elles une représentation adaptée?

Ce vocabulaire structure toute la séance. Chaque fonction technique présentée plus tard correspond à l’une de ces actions.

Anatomie d’un DataFrame

• Ligne: une observation, une mesure, un échantillon ou un événement;
• Colonne: une variable/propriété décrivant les observations;

En Python, l’indexation commence à 0

• Index contient les labels des lignes;
• Nom des colonnes sont les labels des variables.

Faire identifier une ligne, une colonne et l’index directement sur l’image. En Python, les positions commencent à zéro.

Principaux types de données

Type dans pandas	Exemple	Nature
int64	année, nombre d’événements	quantitative discrète ou catégorielle
float64	latitude, altitude	quantitative continue
bool	actif: vrai ou faux	catégorielle binaire
string / object	contexte tectonique, nom du volcan	catégorielle ou texte libre
datetime64	date d’une éruption	temporelle et ordonnée
geometry (GeoPandas)	point, ligne ou polygone	spatiale: position ou forme

• Variable quantitative: mesure une quantité sur laquelle les opérations numériques ont un sens
• Variable catégorique: distingue des groupes

Insister sur la distinction entre le stockage informatique et le sens scientifique. Le type statistique détermine ensuite les résumés et les représentations graphiques pertinents.

Les données et les questions

Le catalogue du Global Volcanism Program

Le Global Volcanism Program du Smithsonian Institution rassemble des informations sur les volcans et leurs éruptions à l’échelle mondiale (Simkin et al. 2010).

Le fichier du cours contient:

• 678 volcans
• 13 variables descriptives
  • latitude, longitude, morphologie, altitude, tectonique, etc…
• uniquement les volcans dont l’année numérique de la dernière éruption connue est supérieure ou égale à 0

Le filtre temporel exclut les volcans dont la dernière éruption connue est antérieure à notre ère ou inconnue. Le nombre de volcans dépend aussi de l’histoire des observations et des critères du GVP.

Quelques lignes du fichier

Name	Country	Morphology	Latitude	Longitude	Last Eruption	Elevation (m)
Campi Flegrei	Italy	Caldera	40.827	14.139	1538	458
Kilauea	USA	Shield	19.421	-155.287	2026	1222
Villarrica	Chile	Strato	-39.420	-71.930	2025	2847

Localisation et activité

• Quels volcans indonésiens ont une éruption depuis 1900?

• Combien de volcans du catalogue se trouvent dans l’hémisphère sud?

Morphologie et altitude

• Quels volcans de l’hémisphère sud ont les sommets les plus élevés?

• Comment la morphologie varie-t-elle avec le contexte tectonique?

Demander ce que représente une ligne et identifier une variable textuelle, une variable catégorielle et une variable numérique. Les valeurs proviennent du fichier de cours et peuvent évoluer avec la version du catalogue.

Une question, plusieurs opérations

Question:

Quels volcans de l’hémisphère sud ont les sommets les plus élevés?

 

Raisonnement:

Décomposer en opérations simples avant de coder:

1. Filtrer les latitudes négatives
2. Trier l’altitude par ordre décroissant
3. Sélectionner le nom, le pays, l’altitude et l’année
4. Inspecter les premières lignes du résultat
5. Discuter ce que ce classement mesure réellement

Cette question servira de mini-investigation à la fin de l’exercice. Elle montre comment plusieurs opérations simples peuvent construire un argument cohérent.

Aujourd’hui

A vous

1. Créez un notebook semaine_02.ipynb dans le dossier outils_info
2. Téléchargez les données et placez-les dans le dossier outils_info/data
3. Suivre Semaine 2 depuis le site
   • Copier/coller le code fourni (tout en expérimentant!)
   • Répondez aux questions
4. Utilisez les cheat sheets et la documentation simplifiée pour expérimenter et découvrir de nouvelles fonctionnalités
5. Répondez à la Mini investigation et documentez votre code avec Markdown

Question fil rouge

Comment réaliser une première exploration de données et les interroger dans un contexte de question de recherche?

À la fin de la séance, le notebook devra contenir:

• une question précise
• le code nécessaire pour isoler les données pertinentes
• un résultat lisible
• une observation fondée sur ce résultat
• une limite du catalogue ou de l’interprétation

Rappeler la structure attendue du notebook: question, méthode, résultat et conclusion. Chaque bloc de code doit servir cette progression.

Objectifs

 

À la fin de l’exercice, vous devriez pouvoir:

• Expliquer ce que représentent les lignes et les colonnes d’un tableau
• Vérifier la structure d’un fichier avant l’analyse
• Sélectionner, filtrer et trier les données nécessaires
• Relier chaque opération à une question précise
• Distinguer le résultat obtenu de son interprétation scientifique

References

Simkin T, Siebert L, Simkin T, Kimberly P (2010) Volcanoes of the World. University of California Press, Tucson, AZ