Bienvenue dans le monde passionnant de l’analyse de données en Python ! Dans ce chapitre, vous apprendrez les bases de la syntaxe 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 erroné

Créer des variables

Créer un flottant

Créer des chaînes de caractères

Corriger les erreurs de chaînes de caractères

Noms de variables valides

S’amuser avec les fonctions

Charger un DataFrame

Corriger une erreur de fonction

À la recherche de suspects

Premiers pas en Python

Dans ce chapitre, vous allez découvrir une puissante bibliothèque Python : pandas. pandas vous permet de lire, modifier et interroger des ensembles de données tabulaires (comme des feuilles de calcul ou des tables de base de données). Vous examinerez les relevés de carte bancaire des suspects pour voir si l’un d’eux a effectué des achats suspects.

Qu’est-ce que pandas ?

Examiner un DataFrame

Sélectionner des colonnes

Deux méthodes pour sélectionner des colonnes

Corriger les erreurs de sélection de colonnes

D’autres erreurs de sélection de colonnes

Sélectionner des lignes avec « logic »

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 demande de rançon et dans plusieurs échantillons d’écriture pour identifier le ravisseur.

Créer des graphiques linéaires

Un travail intense

Ou plutôt au ralenti ?

Ajouter du texte aux graphiques

Ajouter une légende

Ajouter des libellés

Ajouter un texte flottant

Styliser les graphiques

Suivre les statistiques de la criminalité

Jouer avec les styles

Identifier le ravisseur de Bayes

Tracer des données avec Matplotlib

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

Créer un diagramme en nuage de points

Tracer des données de téléphones portables

Modifier un diagramme en nuage de points

Créer un diagramme en barres

Créer un diagramme en barres simple

Que le temps passe…

Créer un histogramme

Modifier des histogrammes

L’histogramme des héros

Résumé du sauvetage

Différents types de graphiques

Commencez votre parcours en Data Science ! 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 Data Science. Vous utiliserez des données pour résoudre le mystère de Bayes, le Golden Retriever kidnappé, et au passage vous vous familiariserez avec la syntaxe de base de Python et des modules populaires de Data Science 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 « Voir la transcription » en bas à gauche des vidéos.
Le glossaire du cours se trouve à droite, dans la section ressources.
Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation qualifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encart des crédits CPE à droite.

Plongez dans la science des données avec Python et analysez vos données avec Pandas et Matplotlib.

Introduction à la Data Science en Python

Noms de variables valides

Introduction à la Data Science en Python

Exercice interactif pratique