Python est un langage à caractère général, versatile et riche en fonctionnalités. Et de ce fait, on peut y trouver pour son compte selon le domaine que l’on envisage de poursuivre et en l’occurrence, nous pour ce second module de notre parcours Data Science, nous nous sommes concentrés sur les structures de données de base natives Python et l’étude du package Numpy. Il faut entendre par les structures de données les objets itérables qui sont le fondement même de la programmation Python. Il s’agit des listes, des tuples, … des chaînes de caractères et des dictionnaires. Dans ce module chaque type d’objet est abordé individuellement pour en connaître les méthodes et propriétés de manière pratiques. En parallèle, des objets particuliers tels que les dates et temps du module datetime, time …etc. sont aussi étudiés enfin d’avoir une vision globale de l’univers des types de données que peut manipuler Python et auxquels un data scientiste recourt inéluctablement. Dans cette même veine et pour donner une teinture scientifique à ce module (après tout nous n’apprenons pas que Python mais nous apprenons Python et son application au domaine de la science des données) nous avons étudié les types de nombres à travers des modules de la librairie standard Python math, cmath, … et surtout le package Numpy notamment à travers la manipulation de son objet central l’objet ndarray qui permet de travailler avec les tableaux numériques multidimensionnels. Dans ce détour, très important en Data Science, nous avons abordé les concepts essentiels de l’algèbre linéaire étudiés certainement en cours : inversion, transposée, décompositions (valeurs et vecteurs propres, LU, SVD, …) …etc. de matrices et tout ceci à travers des exercices pratiques. Nous y voyons aussi les méthodes de statistiques de bases et des méthodes avancées de manipulations de données numériques. Nous abordons aussi le cas particulier des matrices creuses ou sparses matrix et du module random. Ce dernier permet la manipulation des nombres aléatoires qui est un prémisse aux méthodes d’échantillonnage. On a abordé également des applications diverses sur le produit de convolution et la transformée de Fourier discrète …etc. Pour finir, ce module n’est pas des moindres dans le parcours que nous sommes entrain de dérouler au fur et à mesure car les différents objets et opérations vus ici permettront plus tard de construire des structures et algorithmes plus ou moins complexes.

1. Python
Types de variables et opérations
Une formation
Daname KOLANI

2. Une formation
Plan
6. Strings ou chaînes de
caractères
7. Dictionnaires
8. Sets ou ensembles
9. Dates et temps
10. Les objets Ndarray avec
Numpy
Conclusion
Introduction
1. Variables et
instructions Python
2. Nombres
3. Booléens
4. Listes
5. Tuples

3. Une formation
Objectifs
Découvrir la syntaxe des instructions de base telles
que la création et l’affectation de variables, la
réalisation des opérations mathématiques
Apprendre à structurer et manipuler les données à
travers les différents types d’objets Python

4. Une formation
Prérequis

5. Une formation
Public concerné
Toute personne voulant s’approprier ce
langage et ayant un profil débutant … ou
qui voudrait passer de Python 2.xx à Python
3.xx
Data Scientistes, Statisticiens, informaticiens,
Analystes… etc.

6. Merci

7. Rappel sur l'environnement
de travail
Une formation
Daname KOLANI

8. Une formation
Objectifs
Organisation de l’environnement
Bref rappel sur l’IDE
Plan

9. Une formation
Objectifs
S’assurer d’avoir bien cerné les points
essentiels du module précédent
Comprendre l’environnement de
développement et le rôle de chaque
composant (Anaconda, Spyder …)

10. Merci

11. Création du projet
« Module2 »
Une formation
Daname KOLANI

12. Une formation
Objectifs
Création de projet
Organisation de l’espace travail
Plan

13. Une formation
Objectifs
Création d’un projet pour organiser
tous les fichiers scripts des exemples et
démos
Configuration de l’espace de travail

14. Merci

15. Création et destruction
de variables
Une formation
Daname KOLANI

16. Une formation
Objectifs
Opération de création
Opération de destruction
Plan

17. Une formation
Objectifs
Définir ce que c’est une variable
Apprendre l’opération de création et
déstruction d’une variable

18. Merci

19. Les mots clés du langage
et les noms des variables
Une formation
Daname KOLANI

20. Une formation
Objectifs
Découvrir les conventions de
nommage
Plan

21. Une formation
Objectifs
Découvrir les mots clés ou réservés
du langage
Apprendre les conventions de
nommage Python

22. Une formation
Les noms de variables
Principes Zen de Python :
Préférer l’explicite à l’implicite
La lisibilité compte !
Les noms peuvent comporter :
Les caractères « a – z » ou « A - Z »
Les chiffres de « 0 - 9 »
Le tiret bas « _ »
Les noms sont sensibles à la casse

23. Une formation
Les conventions de noms
Recourir aux noms descriptifs ceci en
minuscule. Ex : total, somme, age, nom…
Éviter les noms à un seul caractère si ce n’est
un caractère généralement utilisé en
mathématique tel que x ou y ou z, n …
Préférer des combinaisons de mots ou
termes séparés par le tiret bas « _ »

24. Merci

25. Les affectations en Python
Une formation
Daname KOLANI

26. Une formation
Objectifs
Affectation de variables
Plan

27. Une formation
Objectifs
Par principe toute variable est un objet en
Python, d’autant plus que tout type de
donnée dispose d’un constructeur qui lui est
propre
Il est donc important de comprendre
comment fonctionne le mécanisme
d’affectation de variables

28. Merci

29. Rappel sur les commentaires
Une formation
Daname KOLANI

30. Une formation
Objectifs
Syntaxe et types de commentaires
Plan

31. Merci

32. Les types de variables et
détection de type
Une formation
Daname KOLANI

33. Une formation
Objectifs
Les différents types de variables
Détection de type
Typage de variable en Python
Plan

34. Une formation
Objectifs
Il n'est pas nécessaire d'écrire des lignes de
commande spécifiques pour définir le type
des variables
Il suffit en effet d'assigner une valeur à un
nom de variable pour que celle-ci soit
automatiquement créée avec le type qui
correspond au mieux à la valeur fournie
De quel type donc peut être une variable ?

35. Une formation
Les types de variables
Les nombres (entiers, nombre à virgule flottante, les
nombres complexes…)
Les chaînes de caractères
Les booléens
Les types itérables (listes, tuples, ensembles, dictionnaires …)
Les fichiers et répertoires
Les modules et fonctions
Etc…

36. Merci

37. Saisie interactive et opération
coercition
Une formation
Daname KOLANI

38. Une formation
Définition
Saisie interactive
Opération de coercition
Plan

39. Merci

40. Instructions multiples
Une formation
Daname KOLANI

41. Une formation
Objectifs
Syntaxe des instructions multiples
Plan

42. Merci

43. Longues instructions
Une formation
Daname KOLANI

44. Une formation
Définition
Syntaxe
Plan

45. Merci

46. Les types de nombres
Une formation
Daname KOLANI

47. Une formation
Objectifs
Les différents types de nombres
Plan

48. Une formation
Objectifs
De la même manière qu’il existe différents
ensembles en mathématique pour les nombres,
Python permet d’encoder les données numériques
selon leur taille et leur précision dans un format ou
type numérique spécifique
On va découvrir les types internes des variables
numériques que l’on crée…

49. Merci

50. Les nombres complexes
Une formation
Daname KOLANI

51. Une formation
Objectifs
Syntaxe et composants
Plan

52. Merci

53. Les opérateurs et opérations
arithmétiques
Une formation
Daname KOLANI

54. Une formation
Objectifs
Les opérations arithmétiques
Plan

55. Merci

56. La priorité dans les opérations
Une formation
Daname KOLANI

57. Une formation
Objectifs
L’ordre de priorité dans les
opérations
Plan

58. Une formation
La priorité
Parenthèses
Puissance
Multiplication, Division(/ ou //) et modulo
Addition et soustraction

59. Merci

60. Fonctions arithmétiques et de
représentation
Une formation
Daname KOLANI

61. Une formation
Objectifs
Applications numériques
Plan

62. Merci

63. Fonctions logarithme et
exponentielle
Une formation
Daname KOLANI

64. Une formation
Objectifs
Applications numériques
Plan

65. Merci

66. Fonctions trigonométriques et
hyperboliques
Une formation
Daname KOLANI

67. Une formation
Objectifs
Applications numériques
Plan

68. Merci

69. Fonctions spéciales et
constantes mathématiques
Une formation
Daname KOLANI

70. Une formation
Objectifs
Applications numériques
Plan

71. Merci

72. Les modules mathématiques
math vs cmath
Une formation
Daname KOLANI

73. Une formation
Objectifs
Applications numériques
Plan

74. Une formation
Objectifs
Etant donné que math existe déjà pour
pallier au manque de fonctions natives pour
les mathématiques, Pourquoi le module
cmath existe-t-il ?
On va découvrir la différence entre math et
cmath à travers des applications

75. Merci

76. Le module decimal
Une formation
Daname KOLANI

77. Une formation
Intérêt
Applications numériques
Plan

78. Une formation
Intérêt
Le traitement des nombres à virgule
flottante est délicat avec Python
Surtout lorsque la précision est une priorité,
le type de variable natif float est inefficace
pour produire des résultats « exacts »
Pour solutionner ce problème, on peut
recourir au module decimal

79. Merci

80. Le module fractions
Une formation
Daname KOLANI

81. Une formation
Objectifs
Applications numériques
Plan

82. Une formation
Objectifs
Explorer le module Fraction qui permet de
traiter les opérations fractionnaires
Pallier au problème de précisions des
nombres rationnels

83. Merci

84. Création de variables
booléennes
Une formation
Daname KOLANI

85. Une formation
Définition
Variables booléennes
Casting ou coercition booléenne
Plan

86. Merci

87. Les opérateurs et opérations
booléens
Une formation
Daname KOLANI

88. Une formation
Objectifs
Les opérateurs & opérations
booléens
Plan

89. Une formation
Objectifs
Rarement on crée explicitement des
variables booléennes
En pratique, elles sont souvent la
conséquence d’opérations qui impliquent
des opérateurs booléens
Quels sont ces opérateurs ?

90. Merci

91. Définition et création de listes
Une formation
Daname KOLANI

92. Une formation
Définition
Création de listes
Plan

93. Une formation
Définition
C’est une collection d’objets, un type d’objet proche
du concept de tableau puisqu’elle est « itérable »
mais qui a l’avantage d’être versatile et flexible car :
• Elle admet des objets de type hétérogène
• La taille d’une liste change de façon dynamique en
fonction des ajouts/suppressions

94. Merci

95. Séquences de listes
Une formation
Daname KOLANI

96. Une formation
Intérêt
Création de séquences
Plan

97. Une formation
Intérêt
Il arrive parfois qu’on veuille répliquer la
logique des suites numériques vues en
cours de mathématique
Pratiquement, ce sont les séquences qui
servent de base de construction des
structures répétitives Python

98. Merci

99. Extraction d'éléments
d'une liste
Une formation
Daname KOLANI

100. Une formation
Intérêt
Opérations d’indexation et
d’extraction
Plan

101. Une formation
Intérêt
On sait créer une liste c’est bien !
Comment se fait l’indexation d’élément dans
une liste ?
Comment récupérer un élément (objet) ou
groupes éléments (objets) contenus dans
une liste ?

102. Merci

103. Listes de listes
Une formation
Daname KOLANI

104. Une formation
Création de listes de listes
Opérations d’indexation et
d’extraction
Plan

105. Merci

106. Concaténation de listes
Une formation
Daname KOLANI

107. Une formation
Objectif
Concaténation de listes
Plan

108. Merci

109. Ajout d'éléments à une liste
Une formation
Daname KOLANI

110. Une formation
Intérêt
Opération d’ajout simple
Opération d’ajout par insertion
Plan

111. Merci

112. Suppression d’éléments
dans une liste
Une formation
Daname KOLANI

113. Une formation
Objectifs
Méthodes de suppression
d’éléments
Plan

114. Merci

115. Autres méthodes de liste
Une formation
Daname KOLANI

116. Une formation
Objectifs
Autres méthodes de liste
Plan

117. Merci

118. Les fonctions génériques
Une formation
Daname KOLANI

119. Une formation
Intérêt
Les fonctions génériques
Plan

120. Merci

121. Copie superficielle
vs
Copie profonde
Une formation
Daname KOLANI

122. Une formation
Intérêt
Copie superficielle vs profonde
Plan

123. Une formation
Intérêt
Les variables étant tout simplement des noms attachés
aux objets, lors de l’affectation ou copie superficielle
ou Shallow copy d’une liste à une nouvelle variable,
il se crée deux alias ou variables pointant sur un même
et seul objet
Conséquence l’altération de l’objet à travers une des
variables implique celle de l’autre également
Solution copie profonde ou Deep copy !

124. Merci

125. Définition et création
de tuples
Une formation
Daname KOLANI

126. Une formation
Définition
Création de tuples
Plan

127. Une formation
Définition
Un tuple est une collection d’objets ordonnée
immutable
C’est une liste constante littéralement !

128. Merci

129. Comparaison listes vs tuples
Une formation
Daname KOLANI

130. Une formation
Objectifs
Démos
Plan

131. Merci

132. Opérations sur les tuples
Une formation
Daname KOLANI

133. Une formation
Objectifs
Les opérations possibles
Plan

134. Merci

135. Création d’objets String ou
chaînes de caractères
Une formation
Daname KOLANI

136. Une formation
Définition
Création de Strings
Plan

137. Une formation
Définition
Une chaîne de caractères est une suite
ordonnée de caractères entre « quotes »
C’est la représentation des données
textuelles
Structurellement c’est une collection
immuable d’objet (caractère)
C’est une forme particulière de tuple !

138. Merci

139. Opérations de base
sur les String
Une formation
Daname KOLANI

140. Une formation
Objectifs
Concaténation, appartenance …
etc.
Plan

141. Merci

142. Indexation et extraction
sur les String
Une formation
Daname KOLANI

143. Une formation
Objectifs
Indexation et extraction
Plan

144. Merci

145. Décomposition
et combinaison
Une formation
Daname KOLANI

146. Une formation
Objectifs
Décomposition et combinaison
Plan

147. Merci

148. Représentation et expressions
de formatage des Strings
Une formation
Daname KOLANI

149. Une formation
Objectifs
Représentation de Strings
Formatage de Strings
Plan

150. Merci

151. Méthode de formatage
des Strings
Une formation
Daname KOLANI

152. Une formation
Objectif
Formatage des Strings
Plan

153. Merci

154. Autres méthodes
et fonctions génériques
Une formation
Daname KOLANI

155. Une formation
Objectifs
Méthodes (Opérations de
recherche, remplacement, … etc.)
Fonctions génériques
Plan

156. Merci

157. Introduction aux
expressions régulières
Une formation
Daname KOLANI

158. Une formation
Intérêt
Découverte du module re
Plan

159. Une formation
Intérêt
Il peut arriver que les méthodes de base de
filtrage ou de recherche à travers les chaînes
de caractères soient insuffisantes
Les expressions régulières, ou plus
communément regex (de regular expression)
permettent de représenter des motifs de
chaînes de caractères…

160. Une formation
Construction d’une re
Les expressions re se construisent en texte
brute. Ex : r ’’string’’ ou R’’string’’
Les expressions re se composent de :
Les caractères(alphanumérique)
Les classes de caractères ([…])
Les quantificateurs ou modificateurs

161. Une formation
Les classes de caractères
d : Tout caractère numérique
D : Tout caractère non numérique
w : Tout caractère alphanumérique
W : Tout caractère non alphanumérique
s : Tout caractère vide
S : Tout caractère non vide

162. Une formation
Les quantificateurs
. : Tout caractère sauf « n »
^X: Commence le terme ou mot
X$ : Termine le terme ou mot
X? : 0 ou 1 occurrence de X
X* : 0 ou plusieurs occurrences de X
X+: Au moins une occurrence de X
X|Y : Occurrence soit X ou soit Y
X{n} : Exactement n occurrences de X
X{min,} : Au moins min occurrences de X
X{min, max} : Entre min et max occurrences de X

163. Merci

164. Définition et création
d'un dictionnaire
Une formation
Daname KOLANI

165. Une formation
Définition
Créer des dictionnaires
Plan

166. Une formation
Définition
Un dictionnaire est une collection non
ordonnée contrairement aux tuple & liste,
d’objets de type clé-valeur
On accède à un objet (valeur) grâce à sa clé
(unique et immutable) et non par sa position
A l’instar d’une liste, il est muable !

167. Merci

168. Extraction d’éléments
d'un dictionnaire
Une formation
Daname KOLANI

169. Une formation
Objectifs
Les opérations d’extraction sur
les dictionnaires
Plan

170. Merci

171. Ajout et modification
d'éléments dans
un dictionnaire
Une formation
Daname KOLANI

172. Une formation
Objectifs
Applications
Plan

173. Merci

174. Suppressions d'éléments
d'un dictionnaire
Une formation
Daname KOLANI

175. Une formation
Objectifs
Applications
Plan

176. Merci

177. Autres opérations sur
les dictionnaires
Une formation
Daname KOLANI

178. Une formation
Objectifs
Applications
Plan

179. Merci

180. Définition et création de Sets
Une formation
Daname KOLANI

181. Une formation
Définition
Créer des sets
Créer des Frozensets
Plan

182. Une formation
Définition
Un set ou ensemble est une collection non
ordonnée d’objets comme un dictionnaire
Il n’admet pas de doublon et d’objet
mutable.
Il permet notamment de réaliser des
opérations ensemblistes …
A l’image des listes vs Tuples, on a des
ensembles vs ensembles immuable
(Frozenset)

183. Merci

184. Opérations ensemblistes
Une formation
Daname KOLANI

185. Une formation
Objectifs
Opérations ensemblistes (union,
intersection,… etc.)
Plan

186. Merci

187. Autres méthodes et fonctions
de sets
Une formation
Daname KOLANI

188. Une formation
Objectifs
Méthodes de sets
Fonctions génériques sur sets
Plan

189. Merci

190. Création de dates et temps
Une formation
Daname KOLANI

191. Une formation
Objectifs
Création de dates
Création de temps
Création de dates et temps
Plan

192. Une formation
Objectifs
Nativement, Python ne gère pas les dates et
temps, toutefois, on dénombre au moins
trois modules pour les gérer dans la librairie
standard
Notamment le module datetime, qui
dispose des classes suivantes date(), time()
et datetime()…

193. Merci

194. Formatage de dates et temps
Une formation
Daname KOLANI

195. Une formation
Code de formatage
Formatage Date en String
Formatage de String en Date
Plan

196. Une formation
Code de formatage
Symboles Unités
%S Secondes (00-60)
%M Minutes (00-60)
%H Heures (01-24)
%I Heures (01-12)
%d Jour du mois en valeur numériques (01-31)
%A Jour du mois en toute lettre (lundi - dimanche)
%a Jour du mois en lettre abrégée (lun.- dim.)
%m Mois en valeur numériques (01-12)
%B Mois en toute lettre (Janvier - Décembre)
%b Mois en lettre abrégée (Janv. - Déc.)
%y Année abrégée à 2 chiffres (2017 => 17)
%Y Année entière à 4 chiffres (2017 ou 2000)
%c Date et Heure locale
%x Date locale
%X Heure locale
%z Fuseau horaire

197. Merci

198. Opérations sur les dates
et temps
Une formation
Daname KOLANI

199. Une formation
Objectifs
Objet timedelta
Opérations sur les dates et temps
Modifier des dates et temps
Plan

200. Merci

201. Gestion du fuseau horaire
Une formation
Daname KOLANI

202. Une formation
Objectifs
Changement de fuseau horaire
Plan

203. Une formation
Objectifs
Parfois, il est question d’adapter l’affichage
du temps ou de la date à la zone
géographique où l’on se situe ou tout
simplement pour un fuseau horaire donné !
Là encore, on doit faire appel à nouveau à un
autre module, le module pytz

204. Merci

205. Module time
Une formation
Daname KOLANI

206. Une formation
Objectifs
Découvrir le module time
Plan

207. Merci

208. Définition et création
des objets ndarray
Une formation
Daname KOLANI

209. Une formation
Définition
Création d’objets ndarray
Plan

210. Une formation
Définition
Numpy (Numerical Python), est le package par
excellence pour commencer la programmation
scientifique
Son objet fondamental ndarry (N-dimensional array)
permet de concevoir des tableaux multidimensionnels
qui sont très pratiques en algèbre linéaire notamment.
Cet objet n’admet que des données homogènes et a
une taille fixe

211. Une formation
Les types de données
Génériques Variantes Désignation
int int8, int16, int32, int64 Entiers
uint uint8, uint16, uint32, uint64 Entiers non signés
bool bool Booléens (True ou False).
float float16, float32, float64, float128
Réels ou nombres à virgule
flottante
complex complex64, complex128, complex256 Nombres complexes

212. Merci

213. Les séquences
Une formation
Daname KOLANI

214. Une formation
Objectifs
Création de séquences
Plan

215. Merci

216. Matrices particulières
Une formation
Daname KOLANI

217. Une formation
Définition
Création de matrices particulières
Plan

218. Une formation
Définition
Certaines matrices sont particulières de part leur
structure et leur propriété en algèbre linéaire ou dans
les calculs numériques en général :
- Matrices nulles
- Matrices identités
- Matrices diagonales
- …etc.
Numpy offre des fonctions spéciales pour créer de
manière efficace ce type de matrice…

219. Merci

220. Les opérations
mathématiques et le
Broadcasting
Une formation
Daname KOLANI

221. Une formation
Principe de Broadcasting
Les opérations et fonctions
Applications
Plan

222. Une formation
Par défaut, lorsqu’une opération implique des
objets ndarray ou matrix de même shape,
Numpy applique l’opération élément à
élément de ces objets.
Toutefois, si les objets n’ont pas les mêmes
« dimensions », shape, Numpy procède au
Broadcasting qui consiste répliquer l’objet de
dimension inférieure au tant de fois qu’il faut
pour qu’il égale l’objet ayant une dimension
plus grande mais …
Définition

223. Une formation
Listes complètes des fonctions mathématiques
Opérations et fonctions
Types d'opérations les fonctions
Arithmétiques
add(), multiply(), devide(),
power(), substract(), mod(), modf(),
remainder()…etc.
Logarithmes et exponentiels sqrt(), square(), exp(), expm1(),
exp2(), log(), log10(), …etc.
Arrondis
around(), round(), rint(), fix(), floor(),
ceil(), trunc()
Trigonométriques et
Hyperboliques
sin(), cos(), tan(), cosh(), sinh(),
tanh(), arcos(),…etc.
Nombres complexes angle(), real(), imag(), conj()

224. Merci

225. Opérations et calculs
matriciels
Une formation
Daname KOLANI

226. Une formation
Objectifs
Applications
Plan

227. Une formation
Produit tensoriel

228. Merci

229. Valeurs propres et vecteurs
propres
Une formation
Daname KOLANI

230. Une formation
Définition
Applications
Plan

231. Une formation
Définition
On appelle vecteurs propres et valeurs propres d’une
matrice , les vecteurs et les valeurs pour lesquels
l’équation suivante est possible :
Ce sont des concepts très importants et utilisés dans
plusieurs algorithmes Data Science notamment en
Analyse en composantes principales ou en
Machine Learning en reconnaissance faciale... etc.

232. Merci

233. Décomposition de matrices
Une formation
Daname KOLANI

234. Une formation
Objectifs
LU
QR
Cholesky
SVD
Plan

235. Merci

236. Le module polynomial et
interpolation
Une formation
Daname KOLANI

237. Une formation
Objectifs
Applications
Plan

238. Merci

239. Le module fft et la
Transformée de Fourier
Rapide (FFT) 1D
Une formation
Daname KOLANI

240. Une formation
Objectifs
Définition de FFT
Application
Plan

241. Une formation
Découvrir comment procéder à une transformée
de Fourier rapide en 1D et son inverse ce qui est
utile dans le domaine de l’analyse des séries
chronologiques (détecter des périodicités) ou
dans les traitement du signal audio/image/vidéo
(détection de patterns)
Objectifs

242. Une formation
FFT ou Fast Fourier Transform
On va ici créer une fonction périodique « artificielle »
et analyser sa transformée de Fourier (son spectre)
Une fois ceci fait, on effectuera la transformée de
Fourier inverse.

243. Merci

244. Produit de convolution
Une formation
Daname KOLANI

245. Une formation
Définition
Application
Plan

246. Une formation
Définition
Soit deux signaux et , on appelle produit de
convolution entre et , le signal défini par
:
Le produit de convolution permet d’élaborer un
filtrage linéaire. Il sert au traitement de signal
(données temporelles) et traitement d’image (données
spatiales).

247. Merci

248. Indexation et extraction
Une formation
Daname KOLANI

249. Une formation
Objectifs
Applications
Plan

250. Merci

251. Transformation et
redimensionnement
Une formation
Daname KOLANI

252. Une formation
Objectifs
Applications
Plan

253. Merci

254. Particularité des matrices
creuses ou Sparse matrix
Une formation
Daname KOLANI

255. Une formation
Définition
Application
Plan

256. Merci

257. Autres fonctions importantes
Une formation
Daname KOLANI

258. Une formation
Objectifs
Applications
Plan

259. Merci

260. Introduction au module
random de Numpy
Une formation
Daname KOLANI

261. Une formation
Structure du module random
Applications
Plan

262. Une formation
Structure du module random
• Les simples générateurs de nombres pseudos
aléatoires : rand(), random(), randint(), …
• Les fonctions de permutations : shuffle() et
permutation()
• Les fonctions des lois de probabilité usuelles
• Les fonctions de gestion des états générateurs :
seed(), RandomState() …
Pour en savoir plus numpy.random

263. Merci

264. Importer et sauvegarder un
objet ndarray
Une formation
Daname KOLANI

265. Une formation
Objectifs
Applications
Plan

266. Merci

267. Quelques bonnes pratiques
Une formation
Daname KOLANI

268. Une formation
Objectifs
Quelques bonnes pratiques
Plan

269. Merci

270. Conclusion
Une formation
Daname KOLANI

271. Une formation
Récapitulatifs
Les types de variables primitives (nombres, chaînes de
caractères et booléens)
Les différents types d’objets itérables (définition et
création, manipulation, fonctions et méthodes) : les
listes, les tuples, les ensembles et les dictionnaires …
Les différents opérateurs et opérations mathématiques
( modules pour les opérations mathématiques de base
math, cmath, decimal, fraction) ou non …
La manipulation des objets de dates et temps avec
datetime notamment …
Numpy, manipulation des objets Ndarray et des Ufunc

272. Une formation
Perspectives
Prise en main des IDE
Arithmétique et Algèbre
Manipulation des objets natives
Manipulation de données (data wrangling à 30 % avec Numpy)
Programmation
Import/Export de données
Création de graphiques
Probabilités
Statistiques paramétriques, non-paramétriques, etc.
Régressions/Interpolations
Machine Learning (data mining, text mining, etc.)
Et autres…

273. Merci