README.md

Digiciomp PYDATA

Objectifs

• Approfondir ses connaissances en Python.
• Apprendre à utiliser les modules d'analyse statistique de Python.
• Acquérir les connaissances nécessaires à l'analyse de données et à la représentation graphique des résultats.
• Apprendre à utiliser les Jupyter Notebooks pour la présentation et le partage des analyses.

Contenu

Programmation fonctionnelle

• Expressions lambda
• List comprehension

Jupyter Notebook

• Fonctionnement local, serveur
• Interface et commandes

NumPy

• Création et manipulation de tableaux et matrices NumPy
• Indexation et sélection
• Manipulations arithmétiques, broadcasting
• Fonctions statistiques

Pandas

• Structures de données (Series, DataFrame, Panel)
• Indexation et sélection
• Fonctions statistiques
• Combinaison des données (concat, append, merge, join)
• Fenêtrage
• Groupement et agrégation
• Données temporelles
• Chargement et sauvegarde des données

Traitement des principaux formats de fichiers

• Excel, CSV, XML, JSON
• Requêtes SQL avec Pandas

Préparation et nettoyage des données

• Traitement des données manquantes
• Combinaison et transformation de données
• Agrégation et regroupement de données
• Traitement des données temporelles

Visualisation avec Matplotlib, Seaborn et Plotly

• Types de graphiques : ligne, point, histogramme, bar, pie, ...
• Label, légende, grille, axes, titre
• Sauvegarde des graphiques
• Visualisation avec Seaborn
• Visualisation web interactive avec Plotly

Exemple d'analyse de données financières

Introduction au Machine Learning