L’environnement
Python est un langage clair, intuitif, massivement répandu, et devenu incontournable dans le traitement de données et l’ingénierie scientifique.
Objectifs pédagogiques
À l’issue de la formation, les stagiaires seront capables de :
- Créer et paramétrer leur environnement de travail Python scientifique
- Utiliser efficacement les librairies scientifiques Python
- Analyser leurs données avec NumPy, pandas et SciPy
- Visualiser leurs données avec matplotlib et pandas
Public concerné
Techniciens, ingénieurs, développeurs, scientifiques, enseignants.
Prérequis
Maîtriser les bases du langage Python ou avoir suivi la formation « Python Débutant ». Un questionnaire de pré-formation est proposé pour valider l’adéquation entre le besoin et la formation.
Programme de la formation
Introduction
- Installer Python et les librairies scientifiques
- Environnement de développement : Jupyter, IDE, VS Code
NumPy
- Pourquoi avez-vous besoin de NumPy ?
- Pourquoi les tableaux ?
- Créer des tableaux
- Types de données
- Manipuler les tableaux
- Broadcasting
- Fonctions universelles
- Extraire des informations de vos données
- Comparaison, masque et booléen
- Charger et sauvegarder les tableaux
- Données structurées
pandas
- Série
- DataFrame (tableau de données)
- Lire / exporter des données sous différents formats
- Affichage
- Indexation et sélection des données
- Sélection avancée
- Insertion et modification
- Combiner des DataFrames
- Copier des DataFrames : shallow vs deep copy
- Données manquantes
- Mettre une colonne en indice
- Trier ses données
- Transposer un DataFrame
- Supprimer des données
- Opérations simples
- Extraire des informations statistiques simples
- Grouper des données avec groupby
- Analyses avancées
- Ajouter des dimensions aux Series et DataFrames
- Travailler avec des chaînes de caractères
- Traiter des données temporelles
- Quelles options pour les données massives ?
matplotlib et pandas plot
- Interface MATLAB Vs orientée objet
- Graphique linéaire
- Nuage de points
- Histogramme
- Représenter plusieurs graphiques
- Graphique 3D
- Interagir avec les graphiques dans le Jupyter notebook
- Modifier les graduations et les axes
- Représentation graphique avec pandas
SciPy
- Intégration
- Algèbre linéaire
- Transformée de Fourier
- Interpolation
- Ajustement de courbe