Pandas & Données
Réalisez un vrai notebook : pandas tel qu’un analyste de données l’utilise vraiment.
🌿 Normal
Bases de Series & DataFrame
Structures de données fondamentales de pandas : créer des Series à partir de listes et de dictionnaires, construire des DataFrames, lire des fichiers CSV et inspecter vos données.
Sélection, Filtrage & Indexation
Extraire les données dont vous avez besoin : sélectionner des colonnes, filtrer des lignes avec des conditions booléennes et utiliser loc/iloc pour un accès précis.
Nettoyage de données
Réparer le désordre du monde réel : gérer les valeurs manquantes, convertir les dtypes, appliquer des opérations sur les chaînes et utiliser loc/iloc pour des modifications ciblées.
GroupBy, Agrégation & Fusion
Split-apply-combine avec groupby, calculer des agrégations et combiner des DataFrames avec merge, join et concat.
EDA guidée du Titanic
Assembler le tout : charger le jeu de données Titanic, explorer sa structure, le nettoyer et répondre à de vraies questions analytiques.
⚡ Difficile
Cadre EDA & Profilage
Apprendre à formuler des questions analytiques, évaluer la qualité d'un jeu de données et construire un flux de travail de profilage systématique avant toute visualisation.
Analyse univariée & Visualisation
Maîtriser les distributions, les résumés et l'encodage visuel pour les variables uniques avec matplotlib et seaborn.
Analyse bivariée & multivariée
Explorer les relations entre variables avec des nuages de points, des pair plots et des matrices de corrélation.
Visualisations avancées & narration
Aller au-delà des graphiques par défaut vers des figures de qualité publication et une narration de données qui conduit à l'action.
Rapport EDA Students Performance
Appliquer le pipeline EDA complet au jeu de données Students Performance in Exams et produire un rapport final soigné.