Bienvenue dans le formidable monde de l'analyse de données avec Python ! Dans ce chapitre, vous apprendrez les bases de la syntaxe de Python, vous chargerez vos premiers modules Python et vous utiliserez des fonctions pour établir une liste de suspects dans l'enlèvement de Bayes, le Golden Retriever primé de DataCamp.

Plongez dans Python

Importer des modules Python

Corriger un import défectueux

Créer des variables

Créer un nombre à virgule (float)

Créer des chaînes de caractères

Corriger les erreurs dans les chaînes de caractères

Noms de variables valides

Amusez-vous avec les fonctions

Charger un DataFrame

Corriger une erreur de fonction

À l'affût des suspects

Premiers pas avec Python

Dans ce chapitre, vous découvrirez une puissante bibliothèque Python : pandas. pandas vous permet de lire, de modifier et de rechercher des ensembles de données tabulaires (comme des feuilles de calcul et des tables de base de données). Vous examinerez les relevés de carte de crédit des suspects pour voir si l'un d'eux a fait des achats suspects.

Qu'est-ce que pandas ?

Inspection d'un DataFrame

Sélection de colonnes

Deux méthodes pour sélectionner des colonnes

Corriger les erreurs de sélection de colonnes

Encore des erreurs de sélection de colonnes

Sélectionner des lignes avec une condition logique

Tests logiques

Sélectionner les chiots disparus

Réduire la liste des suspects

Charger des données avec pandas

Préparez-vous à visualiser vos données ! Vous créerez des graphiques linéaires avec un autre module Python : Matplotlib. À l'aide de ces graphiques, vous analyserez les fréquences des lettres dans la note de rançon et dans plusieurs échantillons d'écriture afin d'identifier le ravisseur.

Créer des graphiques linéaires

Au boulot

Ou presque pas du tout ?

Ajouter du texte aux graphiques

Ajouter une légende

Ajouter des étiquettes

Ajouter du texte flottant

Mettre en forme les graphiques

Suivi des statistiques criminelles

Jouer avec les styles

Identifier le ou la kidnappeur·euse de Bayes

Tracer des données avec Matplotlib

Dans ce dernier chapitre, vous apprendrez à créer trois nouveaux types de graphiques : nuages de points, diagrammes à barres et histogrammes. Vous utiliserez ces outils pour localiser la cachette du ravisseur et secourir Bayes, le Golden Retriever.

Créer un nuage de points

Tracer des données de cellulaires

Modifier un nuage de points

Créer un diagramme à barres

Créer un simple diagramme à barres

Où est passé tout ce temps ?

Créer un histogramme

Modifier des histogrammes

Des héros avec des histogrammes

Récapitulatif du sauvetage

Différents types de graphiques

Commencez votre aventure en science des données ! Même si vous n'avez jamais écrit une ligne de code, vous pourrez suivre ce cours et découvrir la puissance de Python pour faire de la science des données. Vous utiliserez des données pour résoudre le mystère de Bayes, le Golden Retriever kidnappé, et en cours de route, vous vous familiariserez avec la syntaxe de base de Python et des modules populaires en science des données comme Matplotlib (pour les graphiques) et pandas (pour les données tabulaires).

Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Show transcript » en bas à gauche des vidéos.
Le glossaire du cours se trouve à droite, dans la section des ressources.
Pour obtenir des crédits de FPC, vous devez terminer le cours et obtenir une note de 70 % à l'évaluation admissible. Vous pouvez accéder à l'évaluation en cliquant sur l'encadré des crédits de FPC à droite.

Plongez dans la science des données avec Python et apprenez à analyser et visualiser avec Pandas et Matplotlib.

Introduction à la science des données avec Python

Plongez dans la science des données avec Python et apprenez à analyser et visualiser efficacement vos données. Pas besoin d’expérience ni de savoir coder.

Lead Data Scientist, Looker

Sélectionner des lignes avec la logique

Poursuivons l'enquête

Énoncés logiques en Python

Autres types de logique

Utiliser la logique avec les DataFrames

Passons à la pratique !

Charger des données avec pandas - Sélectionner des lignes avec une condition logique

Sélectionner des lignes avec une condition logique

Create Your Free Account