Tutoriels
05 - Exploitation des données à partir d'une base de données
date_range 14/12/2018
Pour ceux à l'aise en SQL, il peut être pertinent d'importer dans un premier temps le jeu de données au sein d'une base de données pour conduire une première phase d'exploration et de manipulation.
Une fois cette première phase réalisée, Python sera utilisé pour une deuxième phase d'analyse, l'exploitation et le rendu de la donnée.
Une fois cette première phase réalisée, Python sera utilisé pour une deuxième phase d'analyse, l'exploitation et le rendu de la donnée.
04 - Jupyter et les commandes magiques
date_range 11/12/2018
Jupyter dispose d'un système de commandes dites « magiques » offrant un langage de commande minimaliste et extensible.
02 - Bibliothèques Python à privilégier
date_range 11/12/2018
- L'incontournable ipyleaflet
- Majeures bibliothèques Python de data visualization
- Matplotlib
- Seaborn
- Bokeh
- OSMnx - Analyse de réseau routier en Python
01 - Installation de l'environnement de travail
date_range 11/12/2018
Le moyen le plus simple d'installer Python et Jupyter Notebook est probablement avec Anaconda.
Anaconda est une ditribution libre et open source des langages de programmation Python et R particulièrement orientée pour des applications en data science. L'un des atouts majeurs d'Anaconda est sa simplification dans la gestion des packages et de leurs dépendances.
Anaconda est une ditribution libre et open source des langages de programmation Python et R particulièrement orientée pour des applications en data science. L'un des atouts majeurs d'Anaconda est sa simplification dans la gestion des packages et de leurs dépendances.