Python : Analyse de données

- Analyser et représenter graphiquement des données avec Python La manipulation de données par l’utilisation de la librairie Pandas Structures de données pour l'analyse : Dataframe vs autres Gestion des indexs Gestion des données manquantes Fusion de dataframes Manipulationdes formats de dates Mesures statistiques variées sur les DataFrames Métriques d’analyse Visualisation des données Génération de graphes (Matplotlib) Atelier : Intégration de données tabulaires, analyses statistiques et visualisation de graphiques - Capturer des données externes Lecture et écriture de fichiers divers Gestion de formats structurés : CSV, XML, JSON Utilisation de structures/classes Python et bibliothèques de parsing Download de données distantes Interrogation de services web REST Atelier : Récupération et parsing de données externes, mapping avec des objets - Analyser des données financières Analyse financière : concepts de base Panorama des bibliothèques Python : NumPy, SciPy, IPython (Jupyter) Calcul matriciel (Numpy) Statistiques Descriptives (SciPy) Comparaison de populations, mesures d’association (SciPy) Atelier : Collecte et analyse de données financères, représentation de résultats - Intégrer du multi-tâches dans l'analyse Multi-threading et parallélisme Profiling avec Timeit, cProfile Calcul distribué (Celery) Atelier : Implémentation d'un calcul distribué