Plan du cours
Fondamentaux de Python pour les tâches de données
- Installation de Python et configuration de l'environnement de développement
- Notions de base du langage : variables, types de données, structures de contrôle
- Écriture et exécution de scripts Python simples
Manipulation de fichiers : CSV et Excel
- Lecture et écriture de fichiers CSV à l'aide du module csv et Pandas
- Travail avec les fichiers Excel à l'aide d'openpyxl/xlrd et Pandas
- Exercices pratiques : automatisation des conversions de fichiers
Introduction à Pandas
- Bases du DataFrame : création, indexation, sélection et filtrage
- Opérations d'agrégation et de regroupement
- Opérations courantes de nettoyage : valeurs manquantes, doublons et conversions de types
Introduction à Polars
- Concepts de Polars et caractéristiques de performance par rapport à Pandas
- Opérations de base sur les DataFrames dans Polars
- Exemple d'utilisation : quand choisir Polars plutôt que Pandas
Transformation de données avancée (Niveau intermédiaire)
- Jointures complexes, fonctions de fenêtre et opérations de pivot dans Pandas
- Modèles de traitement de données efficaces avec Polars
- Chaînage d'opérations et optimisation de l'utilisation de la mémoire
Automatisation des processus avec Python
- Écriture de scripts pour automatiser les tâches de données répétitives et les étapes ETL
- Planification des scripts avec les planificateurs du système d'exploitation ou les planificateurs de tâches
- Journalisation, gestion des erreurs et notifications
Emballage des scripts et meilleures pratiques
- Création d'exécutables avec PyInstaller ou des outils similaires
- Structuration des projets, environnements virtuels et gestion des dépendances
- Notions de base de la gestion de version et documentation des flux de travail
Petit projet pratique
- Tâche de bout en bout : lecture de fichiers bruts, nettoyage et transformation des données, production de sorties
- Automatisation du flux de travail et emballage en tant que script exécutable ou fichier exécutable
- Revue et améliorations basées sur les commentaires des pairs
Résumé et prochaines étapes
Pré requis
- Notions de base des concepts de programmation ou volonté d'apprendre
- Aisance à utiliser la ligne de commande ou le terminal pour l'installation des packages
- Expérience en travail avec les feuilles de calcul (CSV/Excel)
Public cible
- Analystes de données et personnel d'exploitation automatisant des tâches de données
- Ingénieurs en analyse cherchant un scripting ETL léger
- Professionnels intéressés par les 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