book

Python pour la data science

Name: Python pour la data science
ISBN: 9782412070048

by Jake VanderPlas, Gabriel Picarde

April 2022

Intermediate to advanced

580 pages

12h 43m

French

Editions First

Read now

Unlock full access

Couverture
Python pour la Data Science
Copyright
Introduction
À qui s’adresse ce livrePourquoi Python ?Python 2 ou Python 3 ?Organisation de ce livreContenu additionnelExemples et évolution des librairiesDroits de réutilisation des exemplesVersion anglaise des errata et des exemplesPrérequis d’installationMise en pratique des exemplesIn[] et Out[]Conventions utilisées dans ce livreTerminologie française
Chapitre 1. IPython, plus loin que python
Interpréteur shell ou calepin ?Démarrage du shell IPythonDémarrage du calepin JupyterAide et documentation d’IPythonAccès à la documentation avec ?Accès au code source avec ??Exploration des modules avec TabAide à la saisie des noms définis dans les objetsAide à la saisie des importations avec TabUtilisation du caractère générique *Raccourcis clavier du shell IPythonRaccourcis de navigationRaccourcis de saisie de texteRaccourcis d’historique de commandesRaccourcis diversCommandes magiques d’IPythonCollage d’un bloc de code avec %paste et %cpasteExécution de code externe avec %runChronométrage de l’exécution avec %timeitAide des fonctions magiques ?, %magic et %lsmagicHistorique d’entrées et de sortiesLes objets In et Out d’IPythonRaccourcis à préfixe souligné et sorties précédentesSuppression d’une donnée de sortieAutres commandes magiquesIPython et les commandes shellUne brève introduction au shellCommandes shell dans IPythonTransmettre une valeur de et vers le shellCommandes magiques liées au shellErreurs et débogageContrôle des exceptions avec %xmodeDébogage : si la trace d’exécution ne suffit pasSélection de commandes de débogageProfilage et chronométrage d’exécutionChronométrage d’un bloc de code : %time et %timeitProfilage d’un script entier avec %prunProfilage ligne par ligne avec %lprunProfilage de l’occupation mémoire avec %memit et %mprunAutres ressources IPythonRessources WebLe site d’IPythonLe site de nbviewerUne galerie de calepins IPythonTutoriels vidéoLivres imprimésAnalyse de données avec Python (First Interactive, 2021)Learning IPython for Interactive Computing and Data Visualization et IPython Interactive Computing and Visualization Cookbook
Chapitre 2. Introduction à NumPy
2.1 : Les types de données PythonUn entier Python est plus qu’un entierUne liste Python n’est pas qu’une simple listeTableaux Python à type fixe ou uniqueCréation d’un tableau depuis une liste PythonCréation d’un tableau avec valeurs initialesTypes de données NumPy standard2.2 : Fondamentaux des tableaux NumPyAccès aux attributs d’un tableau NumPyIndex de tableaux et accès à un élémentTranchage d’un tableau pour accéder à un sous-tableauSous-tableaux à une dimensionSous-tableaux à plusieurs dimensionsAccès aux lignes et aux colonnes d’un tableauUn sous-tableau est une vue, pas une copieCréation d’une copie d’un sous-tableauReformage d’un tableau (reshape)Concaténation et partage de tableauConcaténation de plusieurs tableauxPartage d’un tableau2.3 : Les fonctions universelles ufuncsLes boucles ou l’éloge de la lenteurGrands principes des ufuncsDécouverte des ufuncs de NumPyArithmétique sur les tableauxValeur absolueFonctions trigonométriquesExposants et logarithmesUfuncs spécialiséesCaractéristiques avancées des ufuncsChoix du conteneur des résultatsAgrégatsProduits externesPour en savoir plus sur les ufuncs2.4 : Agrégats min, max et intermédiaireSomme des valeurs d’un tableauMinimum et maximumAgrégats à plusieurs dimensionsAutres fonctions d’agrégationUn exemple : taille moyenne des présidents des USA2.5 : Calculs sur les tableaux : diffusion (broadcast)Présentation de la diffusion broadcastingRègles de diffusionExemple de diffusion 1Exemple de diffusion 2Exemple de diffusion 3La diffusion en pratiqueCentrage d’un tableauTraçage d’une fonction à deux dimensions2.6 : Comparaisons, masques et logique booléenneUn exemple : comptage des jours de pluiePlongée dans les donnéesLes opérateurs de comparaison sous forme d’ufuncsTraitement d’un tableau booléenComptage des entréesOpérateurs booléensTableaux booléens et masques2.7 : Indexation fancyDécouverte de l’indexation fancyIndexation combinéeExemple : sélection de points aléatoiresModification de valeurs par indexation fancyExemple : répartition de données (binning)2.8 : Tri de tableauxTri rapide dans NumPy avec np.sort et np.argsortTri selon les lignes ou les colonnesTri partiel et partitionnementUn exemple : les k plus proches voisins2.9 : Données structurées : les tableaux structurés de NumPyCréation d’un type de tableau structuréTypes composites sophistiquésRecordArrays : tableaux structurés évolués2.10 : En route vers Pandas
Chapitre 3. Manipulation de données avec Pandas
3.1 : Installer et utiliser Pandas3.2 : Présentation des objets de PandasL’objet Series de PandasSeries : un tableau NumPy généraliséSeries : un dictionnaire spécialiséConstruction d’objets SeriesL’objet DataFrame de PandasDataFrame : un tableau NumPy généraliséDataFrame : un dictionnaire spécialiséConstruction d’un objet DataFrameL’objet Index de PandasIndex : un tableau immuableIndex : un ensemble ordonné3.3 : Indexation et sélection de donnéesSélection de données dans SeriesL’objet Series : un dictionnaireL’objet Series : un tableau à une dimensionLes indexeurs loc, iloc et ixSélection de données et DataFrameL’objet DataFrame : un dictionnaireL’objet DataFrame : un tableau à deux dimensionsAutres conventions d’indexation3.4 : Opérations sur les données PandasPréservation des index avec les ufuncsFonctions ufuncs et alignement d’indexAlignement des index dans SeriesAlignement des index dans DataFrameOpérations ufuncs entre DataFrame et Series3.5 : Gestion des données manquantesCompromis conventionnels des données manquantesDonnées manquantes dans PandasNone : données manquantes de style PythonNaN : données numériques manquantesNaN et None dans PandasOpérations avec des valeurs nullesDétection de valeurs nullesÉlimination des valeurs nullesRemplacement des valeurs nulles3.6 : Indexation hiérarchiqueUn objet Series à index multipleUne mauvaise approcheUne meilleure approche : MultiIndex de PandasMultiIndex en tant que dimension supplémentaireMéthode de création de MultiIndexConstructeur explicite de multi-indexNoms des niveaux de MultiIndexMultiIndex de colonnesIndexation et tranchage d’un MultiIndexObjets Series multi-indexésObjets DataFrame multi-indexésRéorganisation d’un multi-indexIndex triés et non triésEmpilement et dépilement d’indexset_index et reset_indexAgrégation de données sur multi-index3.7 : Combinaison de jeux de données avec concat et appendUn rappel sur la concaténation des tableaux NumPyConcaténation simple avec pd.concat()Index dupliquésConcaténation avec jointuresLa méthode append()3.8 : Combinaison de jeux de données avec merge et joinAlgèbre relationnelleCatégorie de jointuresJointure un-vers-unJointure plusieurs-vers-unJointure plusieurs-vers-plusieursSpécification de la clé de fusionLe mot-clé onLes mots réservés left_on et right_onLes mots réservés left_index et right_indexArithmétique des ensembles et fusionsSuffixes et conflits de noms de colonnesExemple : données démographiques des USA3.9 : Agrégations et groupementsDonnées des exoplanètesUne agrégation simple dans PandasGroupBy : Split-Apply-CombineSélectionner, appliquer, combinerL’objet GroupByAgréger, filtrer, transformer, appliquerSpécification de la clé de distribution splitExemple de groupement3.10 : Tableaux croisés dynamiques ou tableaux pivotsDonnées de test des tableaux pivotsTableaux croisés manuelsSyntaxe des tableaux croisésTableaux croisés multiniveauxAutres options des tableaux croisésUn exemple : naissances au cours du tempsExploration détaillée3.11 : Opérations vectorisées sur les chaînesAperçu des opérations chaînes PandasListe des méthodes de chaînes PandasMéthodes similaires aux méthodes de chaînes PythonMéthodes exploitant les expressions régulièresAutres méthodes chaînes3.12 : Traitement des données temporellesLes dates et les heures dans PythonDates et heures natives (datetime et dateutil)Tableaux temporels typés : le type datetime64 de NumPyLes dates et les heures de Pandas : le meilleur des deux mondesSéries temporelles de Pandas : chrono-indexationStructures de données temporelles de PandasSéquences temporelles homogènes avec pd.date_range()Codes de fréquence et décalagesRééchantillonage, décalage et fenêtrageRééchantillonage et conversion de fréquencesDécalage temporelFenêtre mobilePour en savoir plusExemple : comptage des bicyclettes à SeattleVisualisation des donnéesPlongée dans les données3.13 : Hautes performances Pandas avec eval() et query()query() et eval() pour les expressions compositesOpérations efficaces avec pandas.eval()Quelques opérations proposées par pd.eval()DataFrame.eval() pour les opérations par colonnesAffectations dans DataFrame.eval()Les variables locales dans DataFrame.eval()La méthode DataFrame.query()Domaine d’utilisation de ces fonctions3.14 : Autres ressourcesDocumentation en ligne de PandasAnalyse de données avec Python par Wes McKinneyStack OverflowPandas sur PyVideo
Chapitre 4. Visualisation avec Matplotlib
4.1 : Techniques Matplotlib fondamentalesImportation de MatplotlibChoix des stylesAfficher les graphiques : avec ou sans show() ?Tracé depuis un scriptTracé depuis une session d’interpréteur IPythonTracé depuis un calepin IPythonEnregistrer une figure dans un fichier4.2 : Deux interfaces pour le prix d’uneInterface de style MATLABInterface orientée objet4.3 : Tracé de lignes simplesCouleurs et styles de tracé des lignesAjustement des limites d’axes d’un tracéTitres et labels de tracé4.4 : Tracé en nuage de pointsLignes pointillées avec plt.plotLigne pointillée avec plt.scatterPerformances de plot() et de scatter()4.5 : Visualisation des erreursBarre d’erreurs simplePlage d’erreurs continues4.6 : Tracé de densités et de contoursAffichage d’une fonction à trois dimensions4.7 : Histogrammes, bins et densitéHistogrammes en deux dimensions avec binsHistogramme en deux dimensions avec plt.hist2dDistribution en bins hexagonaux avec plt.hexbinEstimation de densité de noyau KDE4.8 : Personnalisation des légendes de tracéChoix des éléments à légenderLégende des tailles de pointsCartouches de légendes multiples4.9 : Personnalisation des barres de couleursStyle des barres de couleursSélection d’une plage de couleursLimites et extensions de couleursBarres de couleurs discontinuesExemple : chiffres manuscrits4.10 : Sous-tracés multiplesSous-tracé manuel avec plt.axesUne grille de sous-tracés avec plt.subplot()Tout un ensemble en une fois avec plt.subplotsArrangements sophistiqués avec plt.GridSpec4.11 : Texte et annotationsUn exemple : naissances aux USA et congésTransformations et positions du texteFlèches et annotations4.12 : Personnalisation des graduationsGraduations majeures et mineuresMasquer les graduations ou les labelsContrôle de la densité des graduationsFormat de graduations personnaliséListe de formateurs et de locateurs4.13 : Configuration et feuilles de styles de MatplotlibPersonnalisation manuelleChangement des valeurs par défaut avec rcParamsFeuilles de stylesStyle par défautStyle FiveThirtyEightggplotStyle bmh (Bayesian Methods for Hackers)Arrière-plan sombre (dark_background)Nuances de gris (grayscale)Styles Seaborn4.14 : Tracés Matplotlib en 3DTracé de points et de lignes en trois dimensionsTracés de contours en trois dimensionsTracés de fils de fer et de surfacesTriangulation de surfaceExemple : visualisation d’un ruban de Möbius4.15 : Données géographiques avec BasemapProjections géographiquesProjections cylindriquesProjections pseudo-cylindriquesProjections en perspectiveProjections coniquesTracé d’un fond de carteLimites physiques et maritimesFrontières politiquesFonctions géométriquesImage du globeAjoût des données sur une carteExemple : villes de CalifornieExemple : températures de surface4.16 : Visualisation avec SeabornSeaborn comparé à MatplotlibDécouverte des tracés SeabornHistogrammes, KDE et densitésTracé de pairesHistogrammes à facettesTracé de catégoriesDistributions jointesDiagrammes en barresExemple : résultat d’un marathon4.17 : Autres ressourcesRessources MatplotlibAutres librairies graphiques Python
Chapitre 5. Apprentissage machine
5.1 : L’apprentissage machine, c’est quoi ?Catégories d’apprentissage machineExemples qualitatifs d’apprentissage machineClassification : prédiction de labels discontinusRégression : prédiction de labels continusRegroupement ou clustering : répartition de labelsRéduction dimensionnelle : découverte de la structure de données sans labelsSynthèseApprentissage superviséApprentissage non supervisé5.2 : Présentation de Scikit-LearnReprésentation des données dans Scikit-LearnDes données en tableauxMatrice de caractéristiquesTableau cibleAPI estimateur de Scikit-LearnPrincipes de l’interface APIApprentissage supervisé, exemple 1 : régression linéaire simple1. Choix de la classe de modèles.2. Choix des hyperparamètres du modèle.3. Réorganisation des données en une matrice de caractéristiques et un vecteur cible.4. Ajustement du modèle aux données.5. Application du modèle à de nouvelles données inconnues.Apprentissage supervisé, exemple 2 : classification des irisApprentissage non supervisé, exemple 1 : dimensionnalité des irisApprentissage non supervisé, exemple 2 : regroupement des irisApplication pratique : reconnaissance de chiffres manuscritsChargement et visualisation des données d’entréeApprentissage non supervisé : réduction dimensionnelleClassification de chiffres manuscritsRésumé5.3 : Hyperparamètres et validation du modèleLe concept de validation de modèleValidation de modèle erronéeValidation de modèle avec jeu de rétentionValidation de modèle par validation croiséeSélection du meilleur modèleArbitrage entre biais et varianceCourbe de validation dans Scikit-LearnCourbes d’apprentissageLes courbes d’apprentissage dans Scikit-LearnLa validation en pratique : recherche en grilleRésumé5.4 : Ingénierie des caractéristiquesCaractéristiques catégoriellesCaractéristiques de type texteCaractéristiques graphiques d’imageCaractéristiques dérivéesImputation des données manquantesEnchaînement de traitements avec un pipeline5.5 : Classification bayésienne naïveLa classification bayésienneBayésien naïf gaussienBayésien naïf multinomialExemple de classification de texteDomaine d’emploi du bayésien naïf5.6 : Régression linéaireRégression linéaire simpleRégression par fonction de baseFonctions de base polynomialesFonctions de base gaussiennesRégularisationRégression L2 ou RidgeRégularisation Lasso (L1)Exemple : prédiction d’un trafic de cyclistes5.7 : Machines à vecteurs de support (SVM)Avantages des machines à vecteurs de supportMachines à vecteurs de support et recherche d’une marge maximaleAjustement d’une machine SVMAu-delà des frontières linéaires avec le SVM à noyauOptimisation de la SVM en adoucissant les margesExemple : reconnaissance de visagesSynthèse des machines SVM5.8 : Arbres de décision et forêts aléatoiresDes forêts aléatoires d’arbres de décisionCréation d’un arbre de décisionArbres de décision et surajustementForêts aléatoires et classificationForêts aléatoires et régressionExemple : forêt aléatoire pour classer des chiffresConclusion sur les forêts aléatoires5.9 : Analyse par composantes principales (PCA)Introduction à l’algorithme PCAPCA pour la réduction dimensionnellePCA pour la visualisation : chiffres manuscritsSignification des composantesChoix du nombre de composantesPCA et filtrage du bruitExemple : visages propres (eigenfaces)Synthèse de PCA5.10 : Apprentissage par variété (manifold)Apprentissage par variété : « SALUT »Partitionnement multidimensionnel (MDS)MDS pour l’apprentissage par variété (manifold learning)Intégration linéaire : échec de MDSVariétés non linéaires : intégration à linéarité locale (LLE)Considération à propos des méthodes par variétéExemple : Isomap en reconnaissance de visagesExemple : affichage de la structure dans des chiffres manuscrits5.11 : Groupements en k-moyennesPrésentation des k-moyennesAlgorithme en k-moyennes et Espérance-MaximisationPoints faibles d’Espérance-MaximisationExemplesExemple 1 : k-moyennes et chiffresExemple 2 : k-moyennes et compression de couleurs5.12 : Modèles de mélange gaussien (GMM)GMM contre les faiblesses des k-moyennesGénéralisation E-M : modèles de mélange gaussienChoix du type de covarianceGMM et estimation de densitéCombien de composantes ?Exemple : GMM pour générer des données5.13 : Estimation par noyauRaison d’être de KDE : histogrammesL’estimation de densité de noyau en pratiqueSélection de bandwidth par validation croiséeExemple 1 : KDE sur une sphèreExemple 2 : un bayésien pas si naïfAnatomie d’un estimateur spécifiqueUtilisation de l’estimateur spécifique5.14 : Histogrammes de gradients orientés (HOG)Principe des histogrammes de gradients orientésUn détecteur de visages simplifié avec HOG1. Collecte du jeu d’entraînement positif2. Collecte du jeu d’entraînement négatif3. Combinaison des jeux et extraction des caractéristiques HOG4. Entraînement d’une machine à vecteurs de support5. Trouver les visages dans une image inconnueMises en garde et pistes d’améliorationAutres ressources d’apprentissage machineL’apprentissage machine avec PythonL’apprentissage machine en général
Sommaire

Overview

Le best-seller O'Reilly sur la data science avec Python enfin traduit en Francais ?
Pour de nombreux chercheurs, Python est un outil essentiel en raison de ses bibliothèques pour stocker, manipuler et obtenir un aperçu des données. Ce livre décrit toutes les ressources dont vous pouvez disposer pour mettre en oeuvre vos applications : IPython, NumPy, Pandas, Matplotlib, Scikit-Learn et d'autres outils associés.

Les scientifiques en activité et les utilisateurs de données familiarisés avec la lecture et l'écriture de code Python trouveront avec cette référence complète l'outil idéal pour s'attaquer aux problèmes quotidiens: manipuler, transformer et nettoyer les données ; visualiser différents types de données ; utiliser les données pour créer des modèles statistiques ou d'apprentissage automatique. Ce livre est tout simplement la référence incontournable pour le calcul scientifique en Python.

Vous apprendrez à utiliser :

IPython et Jupyter: fournissent des environnements de calcul pour les data scientists utilisant Python

NumPy: inclut le ndarray pour un stockage et une manipulation efficaces de tableaux de données denses en Python

Pandas: comprend le DataFrame pour un stockage et une manipulation efficaces des données étiquetées / en colonnes en Python

Matplotlib: inclut des fonctionnalités pour une gamme flexible de visualisations de données en Python

Scikit-Learn: pour des implémentations Python efficaces et propres des algorithmes d'apprentissage automatique les plus importants et les plus établis

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.

Julian F.

Head of Cybersecurity

I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.

Addison B.

Field Engineer

I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.

Amir M.

Data Platform Tech Lead

I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.

Mark W.

Embedded Software Engineer

Publisher Resources

ISBN: 9782412070048

Cloud Computing

Data Engineering

Data Science

AI & ML

Programming Languages

Software Architecture

IT/Ops

Security

Design

Business

Soft Skills