Initiation à l'analyse de données avec Python
Une formation pour débuter en analyse de données avec Python, sans aucune connaissance préalable en programmation. Pas à pas, à partir des ventes d'une chaîne de cinq boutiques au Burkina Faso, vous apprendrez à installer Anaconda et utiliser Jupyter, maîtriser les bases du langage, importer un fichier Excel ou CSV, manipuler et nettoyer les données avec pandas, calculer des statistiques descriptives et réaliser des graphiques avec matplotlib et seaborn. Un projet guidé vous fait mener une analyse complète, jusqu'au rapport final. Chaque leçon comporte un exercice corrigé.
Programme
Ouvrez un module pour en lire les leçons. Chaque module se termine par un test, et l’examen final délivre l’attestation.
- Module 1Découvrir Python et Jupyter
- Comprendre ce qu'est Python et à quoi il sert en analyse de données - Installer Anaconda ou utiliser Google Colab - Travailler dans un notebook Jupyter - Organiser son dossier de travail et ses chemins de fichiers
- Pourquoi apprendre Python pour l'analyse de données ?Aperçu gratuit
- Installer Anaconda et lancer JupyterAperçu gratuit
- Découvrir Jupyter : cellules, exécution et raccourcisAperçu gratuit
- Organiser son dossier de travail et son premier notebook
- Données de la formation : ventes_boutiques.xlsxxlsx
- Module 2Les bases du langage Python
- Calculer et utiliser des variables - Reconnaître et convertir les types de données - Utiliser des listes et des dictionnaires - Écrire des conditions et des boucles - Utiliser des fonctions, des bibliothèques et lire les erreurs
- Calculs et variables
- Les types : nombres, texte et booléens
- Listes et dictionnaires
- Conditions et boucles
- Fonctions, bibliothèques et messages d'erreur
- Module 3Importer et explorer des données avec pandas
- Comprendre les DataFrame et les Series - Importer un fichier Excel - Importer et enregistrer un fichier CSV - Explorer une base avec les bons réflexes
- Les DataFrame et les Series
- Importer un fichier Excel
- Importer et enregistrer un fichier CSV
- Explorer une base de données
- Module 4Manipuler les données
- Sélectionner des colonnes et filtrer des lignes - Créer des colonnes calculées et des catégories - Trier les données - Résumer les données par groupe - Combiner plusieurs tableaux
- Sélectionner des colonnes
- Filtrer des lignes
- Créer de nouvelles colonnes
- Trier les données
- Regrouper et résumer avec groupby()
- Combiner des tableaux : concat() et merge()
- Module 5Nettoyer les données
- Diagnostiquer les problèmes d'une base brute - Harmoniser des textes incohérents - Convertir des nombres et des dates saisis en texte - Traiter les valeurs manquantes et les doublons - Exploiter les dates
- Diagnostiquer une base mal saisie
- Harmoniser les textes
- Convertir les nombres et les dates
- Valeurs manquantes et doublons
- Travailler avec les dates
- Module 6Statistiques descriptives
- Décrire une variable numérique - Construire des tableaux de fréquences et de pourcentages - Construire et lire un tableau croisé - Construire des tableaux de synthèse et comparer des groupes
- Décrire une variable numérique
- Fréquences et pourcentages
- Les tableaux croisés
- Tableaux de synthèse et comparaison de groupes
- Module 7Graphiques avec matplotlib et seaborn
- Comprendre la logique de matplotlib - Réaliser des diagrammes en barres - Représenter une distribution - Représenter une évolution et une relation - Soigner et exporter un graphique
- Premiers graphiques et logique de matplotlib
- Les diagrammes en barres
- Histogrammes et boîtes à moustaches
- Courbes et nuages de points
- Soigner et exporter un graphique
- Module 8Projet guidé : le rapport annuel des ventes
- Organiser un notebook d'analyse complet - Analyser les performances commerciales - Analyser l'évolution des ventes et le comportement des clients - Exporter les résultats et rédiger une synthèse
- Présentation du projet et préparation des données
- Indicateurs clés et performances
- Évolution des ventes et comportement des clients
- Exporter, rédiger la synthèse… et après ?