Plan du cours
Fondamentaux de Python pour les tâches de données
- Installation de Python et configuration de l'environnement de développement.
- Fondamentaux du langage : variables, types de données, structures de contrôle.
- Rédaction et exécution de simples scripts Python.
Gestion des fichiers : CSV et Excel
- Lecture et écriture de fichiers CSV à l'aide du module csv et de Pandas.
- Manipulation de fichiers Excel avec openpyxl/xlrd et Pandas.
- Exercices pratiques : automatisation des conversions de fichiers.
Introduction à Pandas
- Fondamentaux des DataFrames : création, indexation, sélection et filtrage.
- Opérations d'agrégation et de regroupement.
- Opérations courantes de nettoyage : valeurs manquantes, doublons et conversions de type.
Introduction à Polars
- Concepts de Polars et caractéristiques de performance comparées à Pandas.
- Opérations de base sur les DataFrames dans Polars.
- Exemple de cas d'utilisation : quand choisir Polars plutôt que Pandas.
Transformation avancée des données (niveau intermédiaire)
- Jointures complexes, fonctions de fenêtrage et opérations de pivot dans Pandas.
- Motifs de traitement efficace des données avec Polars.
- Chaînage d'opérations et optimisation de l'utilisation de la mémoire.
Automatisation des processus avec Python
- Rédaction de scripts pour automatiser des tâches de données répétitives et des étapes ETL.
- Planification des scripts avec les planificateurs d'OS ou les planificateurs de tâches.
- Journalisation (logging), gestion des erreurs et notifications.
Emballage des scripts et bonnes pratiques
- Création d'exécutables avec PyInstaller ou des outils similaires.
- Structuration du projet, environnements virtuels et gestion des dépendances.
- Fondamentaux du contrôle de version et documentation des flux de travail.
Petit projet pratique
- Tâche complète : lire des fichiers bruts, nettoyer et transformer les données, produire des sorties.
- Automatiser le flux de travail et l'emballer en script exécutable ou fichier binaire.
- Revue et améliorations basées sur les commentaires des pairs.
Résumé et prochaines étapes
Pré requis
- Connaissances de base des concepts de programmation ou volonté d'apprendre.
- Aisance à utiliser la ligne de commande ou le terminal pour l'installation de packages.
- Expérience avec les feuilles de calcul (CSV/Excel).
Public cible
- Analistes de données et personnel opérationnel automatisant des tâches liées aux données.
- Ingénieurs analytiques recherchant un script ETL léger.
- Professionnels intéressés par des flux de travail de données pratiques basés sur Python.
Nos clients témoignent (3)
tout était parfait
Florin Vrincianu
Formation - Python Programming Fundamentals
Traduction automatique
L'adaptation des exos à notre contexte et la prise en compte de notre demande
Amel Guetat - EURO-INFORMATION DEVELOPPEMENTS
Formation - Fraud Detection with Python and TensorFlow
Les exercices pratiques liés au contenu aident vraiment à mieux comprendre chaque sujet. De plus, le fait de commencer les cours par une leçon puis de continuer avec des exercices pratiques est une bonne méthode qui aide à relier le contenu de la leçon précédente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Formation - Introduction to Data Science and AI using Python
Traduction automatique