I - Rappel sur la programmation Python
- Les types de données
- Appels de fonctions et méthodes
- Structures de contrĂŽles (boucle, test, exceptions)
- Structures de données et séquences (tuple, liste, primitives, dict)
Â
II - Introduction à l'Analyse de Données en Python
- La manipulation de données par l'utilisation de la librairie PandasDescriptif chapitre
- Introduction du concept de Dataframe comme structure de données central pour l'analyse de données
- Interrogation et indexation des DataFrame
- Traitement de « données manquantes »
- Fusion de dataframes o Manipulation des dates
- Application de mesures statistiques variées sur les DataFrames
- Création de métriques d'analyse
- Sélection des données o Agrégation
- Entrées et sorties via les fichiers .csv
Â
- Calcul numérique et la bibliothÚque Numpy
- Les tableaux Numpy et leurs particularités
- Création de tableaux
- Sélection de données
- Calculs
- Filtres DurĂ©eÂ
Â
III - Visualisation des Données en Python
- Introduction aux bases de la visualisation de données
Â
- Le package Matplotlib pour les graphiques
- Panorama des graphiques disponibles
- GĂ©rer les options de vos graphiques
- Le nuage de points
- Les graphiques en bĂątons (bar plot)
- Les countour plots
- Les histogrammes
- Les graphiques pour représenter des données en 3 dimensions
Â
- Utiliser Seaborn pour obtenir des graphiques scientifiques
- Le box plot ou la boĂźte Ă moustache
- Le pair plot
- Les matrices de graphiques
Â
- Ajouter des informations Ă vos graphiques :
- Ajout de texte / annotations
- Les légendes
- Les colorbar
Â
IV - Quelques Applications de Pythons au secteur bancaire