Site web du cours Python pour la data science
, une introduction à Python
pour
la deuxième année du cursus d’ingénieur de l’ENSAE
(Master 1).
L’ensemble du contenu de ce groupe est librement disponible ici
ou sur Github
et peut être testé
sous forme de notebooks Jupyter
.
Exemple avec l’introduction à Pandas
Pandas
Au programme:
Globalement, ce cours propose un contenu très complet pouvant autant
satisfaire des débutants en
data science que des personnes à la recherche de contenu plus avancé :
- Manipulation de données : manipulation de données standards (
Pandas
), données géographiques (Geopandas
), récupération de données (webscraping, API)… - Visualisation de données : visualisations classiques (
Matplotlib
,Seaborn
), cartographie, visualisations réactives (Plotly
,Folium
) - Modélisation : machine learning (
Scikit
), économétrie - Traitement de données textuelles (NLP): découverte de la tokenisation avec
NLTK
etSpaCy
, modélisation… - Introduction à la data science moderne : cloud computing,
ElasticSearch
, intégration continue…
L’ensemble du contenu de ce site s’appuie sur des données
ouvertes, qu’il s’agisse de données françaises (principalement
issues de la plateforme
centralisatrice data.gouv
ou du site
web de l’Insee) ou de données
américaines. Le programme est présenté de manière linéaire dans la partie supérieure de cette page (👆️) ou de manière désordonnée ci-dessous (👇️).
Un bon complément du contenu du site web est le cours que nous donnons avec Romain Avouac en dernière année de l’ENSAE plus tourné autour de la mise en production de projets data science : https://ensae-reproductibilite.github.io/
:::::
::::
:::
Informations additionnelles
Environnement Python
Ce site a été construit automatiquement par le biais d’une action Github
utilisant le logiciel de publication reproductible Quarto
L’environnement utilisé pour obtenir les résultats est reproductible par le biais d’uv. Le fichier pyproject.toml
utilisé pour construire cet environnement est disponible sur le dépôt linogaliana/python-datascientist
pyproject.toml
[project]= "python-datascientist"
name = "0.1.0"
version = "Source code for Lino Galiana's Python for data science course"
description = "README.md"
readme -python = ">=3.12,<3.13"
requires= [
dependencies "altair==5.4.1",
"black==24.8.0",
"cartiflette",
"contextily==1.6.2",
"duckdb>=0.10.1",
"folium>=0.19.6",
"geoplot==0.5.1",
"graphviz==0.20.3",
"great-tables==0.12.0",
"ipykernel>=6.29.5",
"jupyter>=1.1.1",
"jupyter-cache==1.0.0",
"kaleido==0.2.1",
"langchain-community==0.3.9",
"loguru==0.7.3",
"markdown>=3.8",
"nbclient==0.10.0",
"nbformat==5.10.4",
"nltk>=3.9.1",
"pip>=25.1.1",
"plotly>=6.1.2",
"plotnine==0.13.6",
"polars==1.8.2",
"pyarrow==17.0.0",
"pynsee==0.1.8",
"python-dotenv==1.0.1",
"pywaffle==1.1.1",
"requests>=2.32.3",
"scikit-image==0.24.0",
"scipy==1.13.0",
"spacy==3.8.4",
"webdriver-manager==4.0.2",
"wordcloud==1.9.3",
"xlrd==2.0.1",
"yellowbrick==1.5",
]
[tool.uv.sources]= { git = "https://github.com/inseefrlab/cartiflette" } cartiflette
Pour utiliser exactement le même environnement (version de Python
et packages), se reporter à la documentation d’uv
.
Historique du fichier
Citation
BibTeX
@book{galiana2023,
author = {Galiana, Lino},
title = {Python pour la data science},
date = {2023},
url = {https://pythonds.linogaliana.fr/},
doi = {10.5281/zenodo.8229676},
langid = {fr}
}
Veuillez citer ce travail comme suit :
Galiana, Lino. 2023. Python pour la data science. https://doi.org/10.5281/zenodo.8229676.