Python et Sciences des données avec Python : Tour complet
Pour fonctionner en Python, il faut gérer les modules indépendant. Installer et importer un module, c'est acheter une nouvelle boite de légos. Elle donne plus d'objets. On peut donc enrichir les fonctionnalités comme la possibilité de traiter un fichier CSV ou un tableur. Python doit interagir avec l'ordinateur. Il faut donc savoir administrer le système d'exploitation: fixer le répertoire de travail d'où importer les données, par exemple. Les données importées, de fichiers ou du web, sont rarement parfaites. Il faut les nettoyer, les préparer, les rectifier. Dans un tableur, on utilise des fonctionnalités tel Rechercher et Remplacer. C'est ce que permet de faire le module regex et plus encore. Dans beaucoup de secteurs, le temps est au cœur des données (séries chronologiques). Le module datetime permet aussi de faire les premiers pas en science des données puisqu'un jeu de données à saveur temporelle est à la base d'un modèle de prévision (du machine learning). En fait, dès l'étape de la rectification des données, on franchit la porte de la science des données avec les modules Numpy et Pandas. D'autres sujets sont traités en annexe dont un aperçu de la programmation orientée objet pour accélérer les calculs, les doctest pour documenter un code source et le microPython pour les microcontrôleurs (une partie de l'Internet des objets). On les révisera rapidement.
