Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
En tant que data scientist, vous devrez nettoyer les données, les manipuler, les visualiser, construire des modèles prédictifs et interpréter ces modèles. Avant de pouvoir le faire, cependant, vous devrez savoir comment obtenir des données dans Python. Dans ce cours, vous apprendrez les nombreuses façons d'importer des données dans Python : à partir de fichiers plats tels que .txt et .csv ; à partir de fichiers natifs d'autres logiciels tels que les feuilles de calcul Excel, Stata, SAS et les fichiers MATLAB ; et à partir de bases de données relationnelles telles que SQLite et PostgreSQL.Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Afficher la transcription » en bas à gauche des vidéos.
Le glossaire du cours se trouve à droite dans la section « Ressources ».
Pour obtenir des crédits CPE, vous devez suivre le cours dans son intégralité et obtenir une note d’au moins 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur la mention « Crédits CPE » à droite.
Prérequis
Programme de formation
Plan du cours
1
Introduction et fichiers plats
Dans ce chapitre, vous apprendrez à importer des données dans Python à partir de tous les types de fichiers plats, qui constituent une forme simple et répandue de stockage de données. Vous avez déjà appris à utiliser NumPy et pandas : vous apprendrez à utiliser ces packages pour importer des fichiers plats et personnaliser vos importations.
- Bienvenue dans ce cours !50 XP
- Importation de fichiers texte entiers100 XP
- Importation de fichiers texte ligne par ligne100 XP
- L'importance des fichiers plats en science des données50 XP
- Petit quiz : qu'est-ce qu'un fichier plat ?50 XP
- Pourquoi nous apprécions les fichiers plats et le Zen of Python50 XP
- Importation de fichiers plats à l'aide de NumPy50 XP
- Utilisation de NumPy pour importer des fichiers plats100 XP
- Personnaliser votre importation NumPy100 XP
- Importation de différents types de données100 XP
- Importer des fichiers plats à l'aide de pandas50 XP
- Utiliser pandas pour importer des fichiers plats en tant que DataFrame (1)100 XP
- Utiliser pandas pour importer des fichiers plats en tant que DataFrame (2)100 XP
- Personnaliser votre importation pandas100 XP
- Dernières réflexions sur l'importation de données50 XP
2
Importation de données à partir d'autres types de fichiers
Vous avez appris à importer des fichiers plats, mais il existe de nombreux autres types de fichiers avec lesquels vous devrez travailler en tant que data scientist. Dans ce chapitre, vous apprendrez à importer des données dans Python à partir d'un large éventail de types de fichiers. Il s'agit notamment de fichiers pickle, de feuilles de calcul Excel, de fichiers SAS et Stata, de fichiers HDF5, un type de fichier permettant de stocker de grandes quantités de données numériques, et de fichiers MATLAB.
3
Travailler avec des bases de données relationnelles en Python
Dans ce chapitre, vous apprendrez à extraire des données significatives des bases de données relationnelles, une compétence essentielle pour tout data scientist. Vous apprendrez à connaître les modèles relationnels, à créer des requêtes SQL, à filtrer et à ordonner vos enregistrements SQL, et à effectuer des requêtes avancées en joignant les tables de la base de données.
Introduction à l'importation de données en Python
Cours
terminé
