Analyse et visualisation de données

Ce que tu sauras faire

Tu pars d'un fichier CSV brut et tu vas jusqu'au graphique qu'on peut publier. Tu manipules des tableaux NumPy et des DataFrames pandas, tu nettoies et agrèges de vrais jeux de données, puis tu les traces avec Matplotlib : courbes, nuages de points, histogrammes, grilles de graphiques. Tu termines par le design de l'information et le storytelling, pour que tes graphiques disent quelque chose à quelqu'un au lieu d'afficher des chiffres. Chaque notion se pratique tout de suite sur des données réelles : annonces de voitures sur eBay, trafic autoroutier sur l'I-94, taux de change de l'euro.

• ✓Manipuler des tableaux NumPy et des DataFrames pandas sur des données réelles
• ✓Nettoyer, filtrer et agréger un jeu de données brut avant de l'analyser
• ✓Tracer des graphiques en courbes, des nuages de points et des histogrammes avec Matplotlib
• ✓Interpréter une série temporelle, une corrélation et une distribution de fréquences
• ✓Concevoir une visualisation lisible pour une audience donnée, sans encre superflue
• ✓Construire un récit de données complet, du fichier brut au graphique publiable

Pour qui

Personnes à l'aise avec les bases de Python (variables, boucles, fonctions) qui veulent analyser des données réelles et en tirer des graphiques lisibles par d'autres.

Idéalement, avant de commencer : Python pour la Data Science.

Le programme

1. Module 1

   Introduction à NumPy et Pandas

   Manipuler des tableaux NumPy et des DataFrames Pandas pour analyser des données réelles.

   1. Introduction à NumPyGratuit
   2. L'indexation booléenne avec NumPy
   3. Introduction à pandas
   4. Statistiques et filtrage avec pandas
   5. Sélection avancée et agrégation avec pandas
   6. Nettoyage de données avec pandas
   7. Explorer les annonces de voitures d'occasion sur eBayProjet

2. Module 2

   Introduction à la visualisation de données

   Explorer tes données à l'œil grâce à Matplotlib, des graphiques en courbes aux nuages de points en passant par les barres et les histogrammes.

   1. Graphiques en courbes et séries temporellesGratuit
   2. Nuages de points et corrélations
   3. Diagrammes en barres, histogrammes et distributions
   4. Visualisation avec pandas et grilles de graphiques
   5. Seaborn et les graphiques relationnels
   6. Indicateurs de trafic dense sur l'autoroute I-94Projet

3. Module 3

   Storytelling et design de l'information

   Transformer une visualisation technique en un récit convaincant pour une audience précise, à l'aide des principes de perception visuelle et des styles Matplotlib.

   1. Concevoir pour son audienceGratuit
   2. Raconter un changement dans le temps
   3. Guider le regard : Gestalt et attributs préattentifs
   4. Habiller un graphique : le style FiveThirtyEight
   5. Storytelling avec les taux de change de l'euroProjet

Un exercice du cours

Tiré du chapitre gratuit « Introduction à NumPy ». Tu l’écris et tu l’exécutes directement dans ton navigateur, avec Koda pour t’aider si tu bloques.

import csv
import numpy as np

# Charge nyc_taxis.csv sous forme de liste de listes
fichier = open("nyc_taxis.csv", "r")
liste_taxi = list(csv.reader(fichier))

# Retire la ligne d'en-tête
liste_taxi = liste_taxi[1:]

# Convertit chaque valeur en nombre décimal
liste_taxi_convertie = []
for ligne in liste_taxi:
    ligne_convertie = []
    for element in ligne:
        ligne_convertie.append(float(element))
    liste_taxi_convertie.append(ligne_convertie)

# Écris ton code sous ce commentaire