book

Python pour l'analyse des données, 3e édition

by Wes McKinney

November 2024

Intermediate to advanced

582 pages

14h 14m

French

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Conventions utilisées dans ce livreUtiliser des exemples de codeApprentissage en ligne O'ReillyComment nous contacterRemerciementsIn Memoriam : John D. Hunter (1968-2012)Remerciements pour la troisième édition (2022)Remerciements pour la deuxième édition (2017)Remerciements pour la première édition (2012)
1.1 De quoi parle ce livre ?Quels types de données ?1.2 Pourquoi Python pour l'analyse des données ?Python comme colleRésoudre le problème des deux languesPourquoi pas Python ?1.3 Bibliothèques Python essentiellesNumPypandasmatplotlibIPython et JupyterSciPyscikit-learnmodèles de statistiquesAutres forfaits1.4 Installation et configurationMiniconda sur WindowsGNU/LinuxMiniconda sur macOSInstallation des paquets nécessairesEnvironnements de développement intégré et éditeurs de texte1.5 Communauté et conférences1.6 Naviguer dans ce livreExemples de codesDonnées pour les exemplesConventions d'importation
2.1 L'interprète Python2.2 Les bases d'IPythonExécuter le Shell IPythonExécuter le carnet de notes JupyterAchèvement de l'ongletIntrospection2.3 Les bases du langage PythonSémantique du langageTypes de scalairesFlux de contrôle2.4 Conclusion
3.1 Structures de données et séquencesTupleListeDictionnaireSet (jeu de mots)Fonctions de séquence intégréesCompréhension des listes, des ensembles et des dictionnaires3.2 FonctionsEspaces de noms, portée et fonctions localesRetourner des valeurs multiplesLes fonctions sont des objetsFonctions anonymes (Lambda)GénérateursErreurs et gestion des exceptions3.3 Les fichiers et le système d'exploitationOctets et Unicode avec les fichiers3.4 Conclusion
4.1 Le tableau NumPy ndarray : Un objet tableau multidimensionnelCréation de ndarraysTypes de données pour les ndarraysArithmétique avec les tableaux NumPyIndexation et découpage de baseIndexation booléenneIndexation fantaisisteTransposition des tableaux et permutation des axes4.2 Génération de nombres pseudo-aléatoires4.3 Fonctions universelles : Fonctions de tableau à éléments rapides4.4 Programmation axée sur les tableaux avec des tableauxExprimer la logique conditionnelle sous forme d'opérations sur les tableauxMéthodes mathématiques et statistiquesMéthodes pour les tableaux booléensTriLogique des ensembles uniques et autres4.5 Entrée et sortie de fichiers avec des tableaux4.6 Algèbre linéaire4.7 Exemple : Marches aléatoiresSimuler plusieurs marches aléatoires à la fois4.8 Conclusion
5.1 Introduction aux structures de données pandasSérieCadre de donnéesObjets de l'index5.2 Fonctionnalité essentielleRéindexationSupprimer des entrées d'un axeIndexation, sélection et filtrageAlignement des données et de l'arithmétiqueApplication et cartographie des fonctionsTri et classementIndex d'axes avec étiquettes en double5.3 Récapitulation et calcul des statistiques descriptivesCorrélation et covarianceValeurs uniques, nombre de valeurs et adhésion5.4 Conclusion
6.1 Lire et écrire des données au format texteLecture de fichiers texte par morceauxÉcriture de données au format texteTravailler avec d'autres formats délimitésDonnées JSONXML et HTML : Le grattage du Web6.2 Formats de données binairesLire les fichiers Microsoft ExcelUtilisation du format HDF56.3 Interagir avec les API Web6.4 Interagir avec les bases de données6.5 Conclusion
7.1 Traitement des données manquantesFiltrer les données manquantesRemplir les données manquantes7.2 Transformation des donnéesSuppression des doublonsTransformer des données à l'aide d'une fonction ou d'un mappageRemplacer les valeursRenommer les index d'axeDiscrétisation et regroupementDétecter et filtrer les valeurs aberrantesPermutation et échantillonnage aléatoireIndicateur de calcul/variables fictives7.3 Types de données d'extension7.4 Manipulation des chaînes de caractèresMéthodes intégrées de Python pour les objets de type chaîne de caractèresExpressions régulièresFonctions de chaîne dans pandas7.5 Données catégoriellesContexte et motivationType d'extension catégorique dans pandasCalculs avec des catégoriesMéthodes catégorielles7.6 Conclusion
8.1 Indexation hiérarchiqueRéorganiser et trier les niveauxStatistiques sommaires par niveauIndexation avec les colonnes d'un DataFrame8.2 Combiner et fusionner des ensembles de donnéesJonction de DataFrame à la manière d'une base de donnéesFusionner sur l'indexConcaténation le long d'un axeCombiner des données qui se chevauchent8.3 Remodelage et pivotementRemodelage avec indexation hiérarchiquePivoter du format "long" au format "largePivoter du format "large" au format "long8.4 Conclusion
9.1 Une brève introduction à l'API matplotlibFigures et intrigues secondairesCouleurs, marqueurs et styles de ligneTiques, étiquettes et légendesAnnotations et dessin sur une intrigue secondaireSauvegarde des tracés dans un fichierConfiguration de matplotlib9.2 Tracé avec pandas et seabornTracés linéairesPlots de barHistogrammes et diagrammes de densitéDiagrammes de dispersion ou de pointsGrilles à facettes et données catégorielles9.3 Autres outils de visualisation Python9.4 Conclusion

10.1 Comment penser aux opérations de groupeItérer sur les groupesSélection d'une colonne ou d'un sous-ensemble de colonnesRegroupement avec les dictionnaires et les sériesRegrouper avec des fonctionsRegroupement par niveaux d'index10.2 Agrégation des donnéesApplication à la colonne et à la fonction multipleRenvoi des données agrégées sans index de ligne10.3 Appliquer : Général diviser-appliquer-combinerSuppression des touches de groupeAnalyse des quantiles et des godetsExemple : Remplir les valeurs manquantes avec des valeurs spécifiques au groupeExemple : Échantillonnage aléatoire et permutationExemple : Moyenne pondérée par groupe et corrélationExemple : Régression linéaire par groupe10.4 Transformations de groupe et GroupBys "non enveloppés10.5 Tableaux croisés et tableaux pivotantsTableaux croisés : Tableau croisé10.6 Conclusion
11.1 Types de données et outils pour la date et l'heureConversion entre chaîne et date11.2 Les bases des séries temporellesIndexation, sélection, sous-ensembleSéries temporelles avec indices dupliqués11.3 Plages de dates, fréquences et décalagesGénérer des plages de datesFréquences et décalages de datesDonnées mouvantes (en avance et en retard)11.4 Gestion des fuseaux horairesLocalisation et conversion des fuseaux horairesOpérations avec des objets d'horodatage tenant compte des fuseaux horairesOpérations entre différents fuseaux horaires11.5 Périodes et arithmétique des périodesConversion de la période et de la fréquenceFréquences des périodes trimestriellesConversion d'horodatages en périodes (et inversement)Création d'un indice de période à partir de tableaux11.6 Rééchantillonnage et conversion de fréquenceSous-échantillonnageSuréchantillonnage et interpolationRééchantillonnage avec périodesRééchantillonnage temporel groupé11.7 Fonctions de déplacement des fenêtresFonctions pondérées exponentiellementFonctions de fenêtre mobile binaireFonctions de fenêtre mobile définies par l'utilisateur.11.8 Conclusion
12.1 Interfaçage entre pandas et le code modèle12.2 Créer des descriptions de modèles avec PatsyTransformations de données dans les formules PatsyDonnées catégoriques et Patsy12.3 Introduction aux modèles statistiquesEstimation des modèles linéairesEstimation des processus de séries temporelles12.4 Introduction à scikit-learn12.5 Conclusion
13.1 Données Bitly de 1.USA.govCompte les fuseaux horaires en Python purCompte les fuseaux horaires avec les pandas13.2 Ensemble de données MovieLens 1MMesurer le désaccord de notation13.3 Noms de bébés américains 1880-2010Analyser les tendances en matière de dénomination13.4 Base de données alimentaires de l'USDA13.5 Base de données de la Commission électorale fédérale 2012Statistiques sur les dons par profession et par employeurMontants des dons pour le BucketingStatistiques sur les dons par État13.6 Conclusion
A.1 Objets ndarray internesHiérarchie des types de données NumPyA.2 Manipulation avancée des matricesRemodeler les tableauxOrdre C versus FORTRANConcaténation et division de tableauxÉléments répétitifs : tuiles et répétitionsÉquivalents d'indexation fantaisistes : prendre et mettreA.3 DiffusionDiffusion sur d'autres axesDéfinir des valeurs de tableau par diffusionA.4 Utilisation avancée de ufuncMéthodes d'instance ufuncÉcrire de nouveaux ufuncs en PythonA.5 Tableaux structurés et tableaux d'enregistrementsTypes de données imbriqués et champs multidimensionnelsPourquoi utiliser des tableaux structurés ?A.6 En savoir plus sur le triTris indirects : argsort et lexsortAutres algorithmes de triTri partiel des tableauxnumpy.searchsorted : Trouver des éléments dans un tableau triéA.7 Écrire des fonctions NumPy rapides avec NumbaCréer des objets numpy.ufunc personnalisés avec NumbaA.8 Entrée et sortie des tableaux avancésFichiers en mémoireHDF5 et autres options de stockage en réseauA.9 Conseils de performanceL'importance de la mémoire contiguë
B.1 Raccourcis clavier du terminalB.2 À propos des commandes MagicLa commande %runExécuter du code à partir du presse-papiersB.3 Utilisation de l'historique des commandesRecherche et réutilisation de l'historique des commandesVariables d'entrée et de sortieB.4 Interagir avec le système d'exploitationCommandes Shell et aliasSystème de signets de répertoireB.5 Outils de développement de logicielsDébogueur interactifCode de chronométrage : %time et %timeitProfilage de base : %prun et %run -pProfilage d'une fonction ligne par ligneB.6 Conseils pour un développement productif du code à l'aide d'IPythonDépendances du module de rechargementConseils pour la conception du codeB.7 Fonctionnalités avancées d'IPythonProfils et configurationB.8 Conclusion

Overview

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

Tu trouveras le manuel définitif pour la manipulation, le traitement, le nettoyage et l'analyse des ensembles de données en Python. Mise à jour pour Python 3.10 et pandas 1.4, la troisième édition de ce guide pratique est remplie d'études de cas pratiques qui te montrent comment résoudre efficacement un large éventail de problèmes d'analyse de données. Tu apprendras au passage les dernières versions de pandas, NumPy et Jupyter.

Écrit par Wes McKinney, le créateur du projet Python pandas, ce livre est une introduction pratique et moderne aux outils de science des données en Python. Il est idéal pour les analystes qui découvrent Python et pour les programmeurs Python qui s'initient à la science des données et à l'informatique scientifique. Les fichiers de données et le matériel connexe sont disponibles sur GitHub.

Utilise le carnet Jupyter et le shell IPython pour l'informatique exploratoire.
Apprends les fonctionnalités de base et avancées de NumPy
Commence à utiliser les outils d'analyse de données de la bibliothèque pandas
Utiliser des outils flexibles pour charger, nettoyer, transformer, fusionner et remodeler les données.
Crée des visualisations informatives avec matplotlib
Appliquer la fonction pandas groupby pour couper, découper et résumer les ensembles de données.
Analyser et manipuler des données de séries temporelles régulières et irrégulières
Apprends à résoudre des problèmes d'analyse de données du monde réel à l'aide d'exemples complets et détaillés.