– Les caractéristiques du langage Python

– Pourquoi choisir Python pour l’analyse de données ?

– Les types de données

– Appels de fonctions et méthodes

– Structures de contrôles (boucle, test, exceptions)

– Structures de données et séquences (tuple, liste, dict)
Travaux pratiques
Série d’exercices pour maîtriser la syntaxe de python

– Les tableaux

– Lire un dataset

– Les types de données

– Afficher les données correctement

– Extraire une valeur depuis un tableau

– Extraire un vecteur de valeurs depuis un tableau

– Extraire un tableau de valeurs depuis un tableau Numpy

– Effectuer des comparaisons

– Sélectionner des éléments

– Effectuer des comparaisons avec plusieurs conditions

– Remplacer des valeurs dans un tableau Numpy

– Remplacer les chaines de caractères vides

– Convertir des types de données

– Réaliser des calculs mathématiques avec Numpy
Travaux pratiques
Série d’exercices pour réaliser des opérations sur les arrays de Numpy

– Introduction du concept de Dataframe

– Interroger des structures

– Indexation des structures

– Traitement des données manquantes

– Fusion des dataframes

– Manipulation des dates

– Application de mesures statistiques variées sur les DataFrames
Travaux pratiques
Gestion des dataframes

-Introduction aux bases de la visualisation de données
-Focalisation sur la génération de graphes grâce à la librairie
Matplotlib
-Démonstration de l’application de graphes Matplotlib à la
visualisation de problèmes concrets
Travaux pratiques
Illustration des différents graphiques de Matplotlib

-Fonctions de Statistiques Descriptives
-Fonctions de comparaison de populations, mesures
d’association, …
Travaux pratiques
Effectuer des analyses statistiques