training.python.datascience/documentation/00.1-course-plan.md

Introduction à Pandas

Concepts de base

• Types de base : Series
• Types de base : DataFrame
• Types de base : Index
• Types alternatifs : MultiIndex
• Types alternatifs : DatetimeIndex

Jupyter

• Types de cellules, Kernel

• Raccourcis clavier par défaut

• Qu'est-ce que Jupyter ?

• Avantages de Jupyter pour l'analyse de données

• Installer Jupyter et lancer un serveur Jupyter

• Types de cellules, Kernel

• Raccourcis clavier par défaut

Création de données avec Python, Numpy et Pandas

• Tableaux Numpy
• Création et manipulation de tableaux (1D et 2D)
• Fonctions pour générer des séquences
  • numpy.arange() et numpy.linspace()
  • pandas.date_range()
  • numpy.random.default_rng()
  • numpy.empty, ones, zeros, etc.
  • Numpy : "Array creation routines"

Manipuler une série

• Quelles sont les propriétés d'une série ?
• Quand obtient-on une série ?
• Types de données (dtype)
• Créer une série
  • Avec index par défaut
  • Avec un index
  • Préciser le dtype
• Extraire des informations d'une série (valeurs, index)
• Opérations sur séries (arithmétiques, comparaisons)
• Modifier une valeur d'une série
• Valeurs vides et filtrage (isna, notna, dropna, fillna, count)
• Méthodes des séries booléennes (any, all)
• Récupérer les valeurs distinctes (unique) et retirer des doublons
• Appliquer une fonction aux valeurs d'une série
• Filtrer une série (slice, indexes, conditions, filtres str, filtres dt)
• Concaténation de séries

Manipuler un dataframe

• Quelles sont les propriétés d'un DataFrame ?

• Notions et nomenclature des DataFrame (index, colonnes)

• Quand obtient-on un DataFrame ?

• Types de données (dtypes)

• Créer un DataFrame

  • Avec des index par défaut (colonnes et lignes)
  • Avec des index (colonnes et lignes)

• Extraire des informations d'un DataFrame

  • Taille d'un DataFrame
  • Index des lignes et colonnes
  • Cellule à une position (at)
  • Une ligne de données (loc, iloc)
  • Une colonne de données (df[])
  • Plusieurs lignes de données (loc, iloc)
  • Plusieurs colonnes de données (df[])
  • Lignes et colonnes (loc[,], iloc[,])
  • Filtrage conditionnel (loc[])
  • Déduplication des lignes (drop_duplicates)
  • Tri des lignes
  • Récapitulatif

• Valeurs vides et filtrage (isna, notna, dropna, fillna)

  • Détecter les valeurs vides (isna, notna)
  • Méthodes des séries booléennes (any, all, sum)
  • Supprimer les lignes avec des valeurs vides (dropna)
  • Remplacer les valeurs vides (fillna)

• Modifier des informations dans un DataFrame

  • Changer toute une colonne ou ligne
  • Créer une ligne ou une colonne (+ insertion)
  • Changer une cellule
  • Retirer une ou plusieurs lignes et colonnes
  • Appliquer une fonction

• Comme du SQL, pour des DataFrame

  • Ajouter un DataFrame sous ou à côté d'un autre
  • Effectuer des jointures (left, right, inner, outer)
  • Groupements (group_by)
  • Fenêtres

• Configurer l'affichage d'un DataFrame (config ou to_string)

Utiliser des index

• Quelles sont les propriétés d'un index ?
• Extraire des valeurs d'un index (position, slicing)
• Connaître la position d'une valeur dans l'index (get_loc)
• Définir un index à un DataFrame ou une série
• Réinitialiser l'index d'un DataFrame ou une série
• Trier par un index (MultiIndex)
• Comprendre les MultiIndex
• Les DatetimeIndex et la fonction date_range

Calculer avec des séries et des dataframe

• Appliquer des fonctions d'agrégation (statistiques etc.)
  • Sur une série
  • Sur un DataFrame (describe())
  • Multiples résultats simultanés (df.agg())
  • Fonctions d'agrégation personnalisées
• Conversion des types (to_datetime, .astype(), etc.)
• Opérations et comparaisons sur les séries et dataframes

Chargement de DataFrame depuis fichiers

• Protocoles pris en charge (https, file)
• Chargement de fichiers CSV (inférence, dates, en-têtes, encodage)
• Chargement de fichiers Excel (moteurs de chargement : xlrd, openpyxl etc.)
• Chargement depuis document JSON (liste de dictionnaires etc.)
• Prise en charge des archives (zip, gz, bz2, xz)
• Chargement depuis SQLite3 (ou SQLAlchemy)

Enregistrement de DataFrame vers des fichiers

• Formats de sauvegarde classiques (Excel, CSV)
• Formats SQL (connexion SQLAlchemy ou SQLite3)
• Format Pickle

Export de DataFrame vers des formats divers

• Vers un dictionnaire
• Vers une chaîne de caractères
• Vers un document HTML

Rendu de graphiques avec Pandas et Matplotlib

• Matplotlib, qu'est-ce que c'est ?
• Comment ça marche ?

Diagrammes avec Pandas

• Exemples simples (création de diagrammes matplotlib)
  • Générer un diagramme en barres
  • Générer un diagramme en lignes
  • Générer un diagramme en secteurs
  • Générer un nuage de points
  • Autres diagrammes
• Personnaliser les diagrammes
  • Arguments de la méthode .plot() (tracé)

Matplotlib plus complet

• Créer un simple tracé et dessiner dedans
  • Avec un DataFrame
  • Avec des données brutes (Numpy ou Python)
  • Dessiner par-dessus un tracé (hold state)
• Objets de type Figure et sous-tracés (Axes)
  • Layout multi-tracés (subplots)
  • Manipuler un objet de tracé Axes
• Afficher les diagrammes (fenêtres)
• Personnaliser les couleurs
  • Nommage des couleurs
  • Cartes de couleur (Colormap)
    • Objets colormap fournis par Matplotlib
    • Objets colormap personnalisés (classes Colormap)
• Personnaliser les tracés
  • Largeurs de traits, contours de zones
  • Couleurs de fond
  • Couleurs de tracés
  • Espacements et mise en page
  • Polices de texte
  • Génération de légendes
  • Libellés (X, Y, titre, Axes, valeurs de barres/secteurs)
  • Dessiner par-dessus un tracé (lignes, texte, cercles)

Rendu de diagrammes statistiques avec Seaborn

• Seaborn, c'est quoi ?
• Créer un simple tracé pour une matrice de corrélation (heatmap)

Rendu de diagrammes web avec Plotly et Dash

• Plotly, c'est quoi ?
• Plotly Express, c'est quoi ?
• Exemples simples
  • Générer un diagramme en barres
  • Générer un diagramme en lignes
  • Générer un diagramme en secteurs
  • Générer un nuage de points
  • Générer un diagramme de Sankey
• Dash, c'est quoi ?
• Générer un tableau de bord simple avec Dash
  • Construction avec des composants HTML
  • Composant dash_table.DashTable
  • Composants DCC (Dash Core Components)
  • Créer un dashboard via un document HTML (dash-htmlayout)
• Interactivité dans un tableau de bord Dash
  • Callbacks
  • Entrées
  • Sorties
  • Propriétés des composants
• Styles CSS et scripts JS dans un document Dash
  • Répertoire de recherche des fichiers et configuration
• dash-htmlayout pour créer son layout de tableau de bord sans Python

Concurrence et parallélisme dans le traitement de données

• Optimisation des performances via la parallélisation/threading
• Outils Python d'exécution concurrente/parallèle
• Celery (Linux seulement)
  • Configuration
  • Installation d'un broker (Redis)
  • Envoi d'une tâche Celery
  • Démarrage d'une tâche et service Worker
  • Tâches périodiques et service Beat
• Spark + pySpark (Linux seulement)

Outils et bibliothèques de performance Python

• Numba
• Nuitka
• PyPy
• Mesurer le temps d'exécution de votre code
• Concept : Profiling