FORMATION PYTHON – Les bases + approfondissement data

 
Introduction

• Qu’est-ce qu’un programme informatique ? Pourquoi et comment utiliser Python ?
• Créer son environnement de travail Python
• Les bonnes pratiques de Python

 
Les types et les structures de données

• Les différents types de variables («int», «float» et «str»)
• Les différentes structures de données (liste, dictionnaire et ensemble)

 
Les fonctions

• Qu’est-ce qu’une fonction ? Comment créer une fonction?
• Les méthodes natives «built-in» de Python

 
Les boucles

• Les structures conditionnelles «if», «elif», «else»
• L’itération avec «for» et «while»
• L’utilisation des opérateurs logiques «and» et «or»

 
La compréhension de liste et de tuple

• Syntaxe de la compréhension de liste et de tuple
• Les fonctions anonymes : Lambda
• Manipulation des listes avec l’utilisation des fonctions «range()», «len()», «enumerate()», «zip()», «filter()»…et méthode «append() », «count()»…

 

 
La compréhension de dictionnaire

• Syntaxe de la compréhension de dictionnaire.
• Manipulation des dictionnaires avec l’utilisation des méthodes «items()», «values()», «get()»…

 
Les ensembles

• Manipulation des ensembles avec l’utilisation des méthodes «?union()?», «?intersection()?»…

 
La gestion des erreurs

• Gestion des erreurs et des exceptions avec les instructions «try», «except», «raise» et «finally»

 
Les modules

• Introduction aux modules «datetime», «random» et «statistics»

 
La gestion des fichiers et des répertoires

• Création et manipulation de fichiers et répertoires
• Gestion des chemins d’accès

 
Intégrations de données

• Connexion base de données SQL
• Connexion API

 
La programmation orientée objet (POO)

• Le concept de classe et d’objet
• Les 5 fondamentaux de la POO : L’héritage, le polymorphisme, l’abstraction, l’encapsulation et les interfaces.
• Les méthodes spéciales

 
La construction d’une interface graphique avec Tkinter

• Le concept de GUI
• Construction d’une interface graphique

 
La distribution d’une application avec CXFreeze

• Création et distribution d’une micro-application

 
Anaconda

• Qu’est-ce qu’un environnement data ?
• Présentation de la plateforme Anaconda, de ses outils Jupyter notebook et Spyder.

 
Numpy

• Les différentes structures de données (ndarray, matrice)
• Intégration de données de fichiers «.csv»
• Manipulation de données (Agréger, insérer, supprimer, filtrer, slicing…)
• Restructurer un tableau (Fractionner, combiner, fusionner)
• Calcul matriciel
• Résolution d’équation
• Calcul statistique (moyenne, médiane et variance)
• Les tableaux masqués

 
Pandas

• Créer un DataFrame
• Intégration de données de fichiers Excel
• Indexing avec les méthodes «loc()» et «iloc()»
• Manipulation de données (Filtrer, trier, supprimer, remplacer, extraire, créer des colonnes…)
• Restructurer un tableau (Fractionner, combiner, fusionner, pivoter, dépivoter)
• Décrire les données avec les outils statistiques

Matplotlib

• Récupérer les données
• Créer un visuel (courbe, diagramme, histogramme, secteur, nuage de points et visualisation 3D)
• Mise en forme d’un visuel

 
Seaborn

• Récupérer les données
• Les différents types de visuels?: relation, distribution, catégorisation, corrélation, régression et multi-visuel.
• Création d’un visuel : Lineplot, scatterplot, displot, hisplot, kdeplot, catplot, boxplot, heatmap…

 
SciPy

• Interpolation
• Calcul matriciel
• Régression linéaire

 
Beautiful Soup

• Généralités sur le web-scraping
• Chargement d’une page WEB
• Naviguer dans la structure de la page WEB
• Rechercher des éléments dans la page WEB