Python

Depuis le début des années 90, Python a forgé sa popularité et sa notoriété sur sa facilité de prise en main ainsi que sa grande lisibilité. En effet, la syntaxe de Python est très simple et permet l’implémentation de programmes à la fois compacts et faciles à lire, qui seront en moyenne 3 à 5 fois plus courts que des programmes équivalents écrits en C, C++ ou Java. Ainsi, ce langage est aussi bien utilisé pour des scripts courts de quelques dizaines de lignes que pour des codes de calculs complexes. Tout comme R, le langage Python peut être couplé à d’autres langages informatiques pour augmenter ses performances.

De plus Python est un langage développé, maintenu et utilisé par une communauté très dynamique dont l’effectif ne fait que croître. Vous trouverez donc une documentation très riche au sujet de ce langage.

Enfin, concernant les domaines d’application naturels de Python en lien avec ce cours, nous pouvons citer l’accès aux bases de données relationnelles ou encore les développement liés à Internet comme les navigateurs Web, les agents intelligents et les moteurs de recherche (à noter que Google et Yahoo! utilisent intensément ce langage !)

Lien utiles :

  • Documentation officielle Python

  • Anaconda est un logiciel libre rassemblant toutes les librairies et outils nécessaires pour le Python scientifique et le Python de la science des données, notamment les librairies phares numpy et pandas dont nous nous servirions beaucoup dans ce cours, le tout à travers une interface graphique agréable et très simple d’utilisation.

Table des matières de la partie Python

  1. Notions élémentaires
    1. Présentation de l'interface
    2. Opérations arithmétiques
    3. Typage simple
    4. Fonctions, librairies, bibliothèques
  2. Structures de données
    1. Listes
    2. Facteurs
    3. Matrice d'entiers
    4. Data Frame
  3. Manipulation de données
    1. Importation de fichier
    2. Subsetting 1
    3. Subsetting 2
    4. Subsetting dégradé
    5. Nettoyage des données
  4. Visualisation graphique
    1. ggplot
    2. plotly
    3. plot
  5. Présentation de résultats
    1. Introduction notebook
    2. Mise en application avec jeu de données
  6. Pages web interactives
    1. Shiny