IA & Data

Python - Initiation à la manipulation et à l'analyse de données

2 jour(s) • 14h

Description

Cette formation initie les participants à la manipulation et à l'analyse de jeux de données avec Python. Elle est conçue pour un public non développeur, dont l'objectif est d'exploiter des données plutôt que d'apprendre la programmation pour elle-même. Après une prise en main de l'environnement Jupyter Notebook et l'acquisition du socle minimal du langage, les participants découvrent la bibliothèque pandas et ses structures de données, puis apprennent à importer un jeu de données, en contrôler la qualité, recoder, sélectionner et regrouper les variables. La formation se poursuit par une initiation à la visualisation avec matplotlib et s'achève par un atelier de synthèse. À l'issue de cet atelier, chaque participant dispose d'un notebook structuré permettant d'importer un jeu de données, de réaliser des contrôles simples, de produire des indicateurs descriptifs, de générer des graphiques et d'exporter les résultats. La progression privilégie la pratique immédiate en notebook, chaque notion étant introduite puis appliquée.

Objectifs pédagogiques

À l'issue de la formation, le participant sera capable de :
Utiliser l'environnement Jupyter Notebook pour exécuter et documenter un traitement
Mobiliser les éléments essentiels du langage Python nécessaires à l'exécution, la lecture et l'adaptation de traitements simples en notebook
Identifier les structures de données pandas (Series, DataFrame) et leurs propriétés
Importer des données depuis des fichiers CSV et Excel, et exporter des résultats exploitables
Contrôler la qualité d'un jeu de données avant analyse : dimensions, types, valeurs manquantes, doublons, • modalités, formats de dates
Identifier et corriger les erreurs courantes rencontrées lors d'un import ou d'un traitement
Créer, recoder et transformer des variables au sein d'un DataFrame
Sélectionner, filtrer et regrouper des données selon des critères définis
Produire et personnaliser des graphiques de base avec matplotlib
Réaliser des traitements de statistique descriptive simples avec pandas : indicateurs de synthèse, distributions, tableaux croisés et comparaisons par groupes

Public concerné

Chargés d'études, statisticiens, analystes de données

Agents amenés à exploiter des jeux de données dans le cadre de leurs travaux

Toute personne souhaitant découvrir la manipulation et l'analyse de données avec Python

Prérequis

IMPORTANT : Un environnement Python avec Jupyter Notebook (distribution à valider avec la DSI) doit être installé et fonctionnel sur le poste de chaque participant avant le premier jour de formation. L'installation requiert les droits administrateur ou une validation préalable de la DSI. La vérification du bon fonctionnement (lancement d'un notebook, exécution d'une cellule) doit être effectuée en amont de la session

Compte tenu du format de deux jours et de l'objectif orienté analyse de données, les participants débutants seront en mesure de reproduire et d'adapter des traitements sur des jeux de données, sans autonomie complète de conception en sortie de formation.

Déroulé du programme

Jour 1

Séquence 1 - Généralités et prise en main de l'environnement (1h30)

Présentation de Python et de son écosystème pour l'analyse de données
Prise en main de Jupyter Notebook : cellules de code, cellules de texte, exécution, sauvegarde
Notion de package et importation de bibliothèques
Utilisation des aides : docstrings, fonction help, documentation en ligne

TP : premiers pas dans un notebook, exécution de cellules, importation de pandas

Séquence 2 Le socle du langage utile à l'analyse de données (1h30)

Variables et types de base : chaînes, entiers, flottants, booléens
Les listes : création, indexation, parcours
Les tests conditionnels simples
Appel de fonctions et de méthodes existantes
Lecture et interprétation d'un message d'erreur

TP : exécution, lecture et adaptation d'un traitement simple en notebook

Séquence 3 – Les objets de Python pour les données : découverte de pandas (2h)

Positionnement de pandas dans l'écosystème d'analyse de données
La Series: structure indexée à une dimension
Le DataFrame : structure tabulaire, lignes, colonnes, index
Types de données au sein d'un DataFrame, dont les variables catégorielles
Exploration d'un DataFrame : dimensions, aperçu, types, valeurs distinctes
Principe des opérations vectorisées

TP : création et exploration de Series et de DataFrames

Jour 2

Séquence 4 – Importer et contrôler la qualité d'un jeu de données (2h)

Importation de fichiers CSV : chemin d'accès, séparateur, encodage
Importation de fichiers Excel : lecture d'un classeur, choix d'une feuille, précautions de format
Comparaison des formats CSV et Excel
Contrôles de qualité avant analyse : dimensions, types de colonnes, valeurs manquantes, doublons, modalités mal codées, formats de dates
Correction des erreurs courantes : chemin de fichier, séparateur inadapté, encodage, nom de colonne incorrect, variable numérique importée comme texte, erreur d'index

TP: importation du jeu de données de travail, diagnostic de qualité et corrections

Séquence 5 Transformer, filtrer et agréger des données avec pandas (3h)

Création et recodage de variables : nouvelles colonnes, transformations, remplacement de valeurs
Traitement des valeurs manquantes
Sélection de données : sélection de colonnes, filtrage de lignes selon conditions
Combinaison de critères de filtrage
Regroupements et agrégations : la méthode groupby, fonctions d'agrégation
Tri et classement des résultats
Exportation des résultats vers CSV et Excel

TP: recodage de variables, filtrage, regroupement et export d'un résultat exploitable

Séquence 6 - Initiation au graphe et analyses descriptives (2h)
Présentation de matplotlib et de son articulation avec pandas
Réalisation de graphiques de base : histogramme, nuage de points, courbe, diagramme en barres
Personnalisation : titres, axes, légendes, couleurs
Affichage et export des graphiques
Indicateurs de position et de dispersion avec pandas
Distributions, tableaux de fréquences et tableaux croisés
Statistiques par groupe et comparaisons

TP : production d'indicateurs descriptifs et de graphiques associés sur le jeu de données de travail

Séquence 7 - Atelier de synthèse (2h)

Construction guidée d'un notebook métier complet, de l'import à l'export
Enchaînement : importation, contrôles de qualité, recodage, indicateurs descriptifs, graphiques, export des résultats
Structuration et documentation du notebook en vue de sa réutilisation