Les librairies scientifiques les plus utilisées à travers le monde dans les laboratoires de recherche et les départements de R&D seront étudiées : NumPy, pandas, matplotlib et SciPy.
Vous travaillerez sur différents jeux de données afin de prendre en main ces différentes librairies. Vous apprendrez à traiter vos données de manière efficace et concise.

Cette formation s'adresse à des chercheur·se·s, ou profils scientifiques souhaitant maîtriser les librairies python citées pour effectuer leurs calculs scientifiques.

À l'issue de cette formation Python Scientifique, vous serez capables d'utiliser les librairies scientifiques du monde Python. Vous repartirez également avec l'ensemble du cours et toutes les corrections des exercices.

Covid-19: Nous restons ouverts. Cette formation est disponible à distance.

Les objectifs

• Créer son environnement de travail Python
• Utiliser efficacement les librairies de la stack scientifique
• Traiter des données avec les librairies NumPy, pandas et SciPy
• Visualiser des données avec les librairies matplotlib et pandas

Pré-requis

• Ordinateur portable à apporter
• Maîtriser les bases du langage Python ou avoir suivi la formation Python

Le programme de la formation Python Scientifique

Jour 1 : environnement de travail et zoom sur NumPy

Environnement de travail

• Installer Python et les librairies scientifiques
• Jupyter notebooks / environnement de développement intégré / éditeur de texte

NumPy

• Introduction
• Pourquoi avez-vous besoin de NumPy ?
• Pourquoi les tableaux ?
• Créer des tableaux
• Manipuler les tableaux
• Broadcasting
• Fonctions universelles
• Extraire des informations de vos données
• Masques booléens
• Charger et sauvegarder les tableaux
• Données structurées

Mise en pratique :
- Tester différents environnements de travail
- Manipulation des données avec NumPy
- Faire des calculs sur des données
- Les pièges à éviter pour être efficace

Jour 2 : zoom sur pandas

• Introduction
• Série
• DataFrame
• Lire / exporter des données sous différents formats
• Indexation et sélection des données
• Opérations simples
• Traiter les données manquantes
• Informations sur les données : taille, type, mémoire
• Changer le type des données
• Traitement avancé des données
• Tableau croisé dynamique
• Segmenter les données
• Moyenne glissante
• Ajouter des dimensions
• Manipuler les MultiIndex
• Travailler avec des chaînes de caractères
• Traiter des données temporelles
• Quelles options pour les données massives ?

Mise en pratique :
- Construire et lire des tableaux de données
- Traitement simple et avancé de données

Jour 3 : visualisation avec matplotlib / pandas et introduction à SciPy

Visualisation avec matplotlib et pandas

• Introduction
• Interface MATLAB vs orientée objet
• Graphique linéaire
• Nuage de points
• Histogramme
• Représenter plusieurs graphiques
• Graphique 3D
• Interagir avec les graphiques dans le Jupyter notebook
• Modifier les graduations et les axes
• Représentation graphique avec pandas

Introduction à SciPy

• Introduction
• Intégration
• Algèbre linéaire
• Transformée de Fourier
• Interpolation
• Ajustement de courbe

Mise en pratique :
- Visualiser ses données
- Customiser ses graphiques
- Savoir explorer la librairie SciPy

Le(s) formateur(s)

Guillaume Chevrot

Guillaume a travaillé en tant que chercheur au sein de différents organismes de recherche (CEA, CNRS, Université du Danemark du Sud, Université d'Orléans) dans le domaine de la simulation numérique et de l'analyse de données. Au cours de ces expériences, Guillaume a développé une expertise en programmation et calcul numérique avec le langage Python.

Aujourd'hui, via sa société de conseil NUMGRADE, il effectue des missions en qualité de consultant et de formateur pour de nombreuses entreprises et organisations du monde de la recherche et de l'enseignement.

Voir son profil détaillé

Suivi de formation en option

A l'issue de la formation, nos formateurs peuvent aussi intervenir pour vous accompagner dans la mise en application des compétences acquises :

• en répondant à vos questions lors de rendez-vous téléphoniques réguliers
• en étant présents physiquement à l'amorce du projet
• en réalisant un audit de vos pratiques quelques semaines/mois après la formation

Cette idée vous intéresse ? Faîtes-le nous savoir pour que nous trouvions la formule adaptée à votre situation.