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