PYTHON: Data Analysis with Python - (Numpy, #Pandas, #Matplotlib, #seaborn) #evenword #python

Apprenez l'analyse de données avec Python dans ce didacticiel complet pour débutants, avec des exercices inclus !
REMARQUE : Vérifiez la description pour les liens de bloc-notes mis à jour.

L'analyse de données existe depuis longtemps, mais jusqu'à il y a quelques années, elle était pratiquée à l'aide d'outils fermés, coûteux et limités comme Excel ou Tableau. Python, SQL et d'autres bibliothèques ouvertes ont changé l'analyse des données pour toujours.

Dans ce didacticiel, vous apprendrez l'ensemble du processus d'analyse de données : lire des données à partir de plusieurs sources (CSV, SQL, Excel, etc.), les traiter à l'aide de NumPy et Pandas, les visualiser à l'aide de Matplotlib et Seaborn, les nettoyer et les traiter pour créer des rapports. .
De plus, nous avons inclus un didacticiel complet sur Jupyter Notebook et une référence rapide sur Python pour rafraîchir vos compétences en programmation.

💻 Cours créé par Santiago Basulto de RMOTR

⭐️ Contenu du cours ⭐️
⌨️ Partie 1 : Présentation
Qu'est-ce que l'analyse de données, pourquoi Python ? Quelles autres options existe-t-il ? quel est le cycle d'un projet d'analyse de données ? Quelle est la différence entre l'analyse de données et la science des données ?

⌨️ Partie 2 : Exemple réel d'un projet d'analyse de données Python/Pandas (00:11:11)
Une démonstration d'un projet d'analyse de données réel utilisant Python, Pandas, SQL et Seaborn. Ne vous inquiétez pas, nous approfondirons dans les sections suivantes

⌨️ Partie 3 : Tutoriel sur les notebooks Jupyter (00:30:50)
Un tutoriel étape par étape pour apprendre à utiliser Juptyer Notebooks

⌨️ Partie 4 : Introduction à NumPy (01:04:58)
Découvrez pourquoi NumPy était une bibliothèque si importante pour le monde du traitement des données en Python. Découvrez les détails de bas niveau des calculs et du stockage de la mémoire, et pourquoi des outils comme Excel seront toujours limités lors du traitement de gros volumes de données.

⌨️ Partie 5 : Introduction aux pandas (01:57:08)
Pandas est sans doute la bibliothèque la plus importante pour le traitement des données dans le monde Python. Découvrez comment cela fonctionne et comment sa structure de données principale, le Data Frame, se compare à d'autres outils tels que les tableurs ou les DF utilisés pour le Big Data

⌨️ Partie 6 : Nettoyage des données (02:47:18)
Découvrez les différents types de problèmes auxquels nous serons confrontés avec nos données : valeurs nulles, valeurs non valides, valeurs statistiques aberrantes, etc., et comment les nettoyer.

⌨️ Partie 7 : Lecture de données provenant d'autres sources (03:25:15)

⌨️ Partie 8 : Récapitulatif Python (03:55:19)
Si vos compétences en Python ou en codage sont rouillées, consultez cette section pour un récapitulatif rapide des principales fonctionnalités de Python et des structures de flux de contrôle.

#Python
#Django
#WebDevelopment
#Programming
#Coding
#BackendDevelopment
#FrontendDevelopment
#FullStackDevelopment
#WebDesign
#SoftwareDevelopment
#PythonProgramming
#DjangoFramework
#WebFramework
#HTML
#CSS
#JavaScript
#Bootstrap
#Database
#SQL
#RESTAPI
#evenword
#Python
#Django
#DéveloppementWeb
#ProgrammationPython
#FrameworkDjango
#PythonWebDevelopment
#CodePython
#DéveloppementWebPython
#ApprendrePython
#TutorielsDjango
#PythonPourDébutants
#DéveloppementWebDjango
#HTML
#CSS
#JavaScript
#BackendDevelopment
#FrontendDevelopment
#CréationDeSitesWeb
#WebDevelopmentTutorials
#DéveloppeurWeb @evenword