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 scripts Python simples
Gestion des fichiers : CSV et Excel
- Lecture et écriture de fichiers CSV à l'aide du module csv et Pandas
- Travail avec des fichiers Excel à l'aide d'openpyxl/xlrd et Pandas
- Exercices pratiques : automatisation des conversions de fichiers
Introduction à Pandas
- Bases des DataFrames : 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'usage : quand choisir Polars plutôt que Pandas
Transformation de données avancée (Niveau intermédiaire)
- Jointures complexes, fonctions fenêtrées et opérations pivot dans Pandas
- Modèles de traitement de données efficaces avec Polars
- Concaténation 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
- Journaux (logging), gestion des erreurs et notifications
Emballage des scripts et bonnes pratiques
- Création d'exécutables avec PyInstaller ou des outils similaires
- Structuration des projets, environnements virtuels et gestion des dépendances
- Notions de base en contrôle de version et documentation des flux de travail
Mini-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 script exécutable ou binaire exécutable
- Revue et améliorations basées sur les retours des pairs
Synthèse et prochaines étapes
Pré requis
- Notions de base en concepts de programmation ou volonté d'apprendre
- Aisance à l'usage de la ligne de commande ou du terminal pour l'installation de paquets
- Expérience du travail avec des tableurs (CSV/Excel)
Public cible
- Analystes de données et personnel opérationnel automatisant des tâches de données
- Ingénieurs analytiques recherchant un scriptage ETL léger
- Professionnels intéressés par les flux de travail de données 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