Données et analytique

Python

Ingénierie des données, analytique et workflows Python en production.

Des contenus sur pandas, les DataFrames, PySpark, la performance et les plateformes de données.

Commencer ici

Parcours conseillé

Préparation aux entretiens

Questions d’entretien Python

Entraînez-vous aux questions Python pour ingénieurs de données sur les structures de données, les générateurs, les exceptions, les gros fichiers, pandas, les tests, la mémoire et les pipelines en production.

20 questions disponibles · en anglais

S’entraîner sur Python →

Runtime et ingénierie Python

pandas et DataFrames

PySpark et performance

Fiches pratiques

Tout afficher →
  • PythonDépannageIntermédiaire

    Déboguer les problèmes courants de pandas

    Diagnostiquez les défaillances courantes de pandas liées aux dtypes, aux valeurs manquantes, aux jointures, à l’affectation en chaîne, aux données en double, aux erreurs de dates, à la pression mémoire et aux variations inattendues du nombre de lignes.

  • PythonAnalyse de donnéesDébutant

    Filtrer des lignes avec pandas

    Filtrez les lignes d’un DataFrame pandas de façon sûre et lisible grâce aux masques booléens, aux conditions multiples, aux tests d’appartenance, aux filtres sur le texte et les dates, aux contrôles des valeurs nulles et aux expressions query.

  • PythonNettoyage des donnéesIntermédiaire

    Gérer les valeurs manquantes avec pandas

    Inspectez, filtrez, remplissez, supprimez et validez les valeurs manquantes avec pandas sans modifier silencieusement le sens ni le dtype des données de production.

  • PythonAnalyse de donnéesIntermédiaire

    GroupBy et agrégations avec pandas

    Regroupez des données pandas par clés métier, calculez des agrégations fiables, conservez le contexte de chaque ligne avec transform et évitez les erreurs courantes liées aux valeurs nulles, aux doublons et aux logiques d’agrégation mélangées.

  • PythonAnalyse de donnéesDébutant

    Inspecter un DataFrame pandas

    Inspectez un DataFrame pandas rapidement et en toute sécurité pour comprendre sa forme, ses colonnes, ses types de données, ses valeurs nulles, ses doublons, ses distributions et ses valeurs suspectes avant de transformer les données.

  • PythonAnalyse de donnéesIntermédiaire

    Joindre et fusionner des DataFrames

    Joignez des DataFrames pandas en toute sécurité en validant les clés, la cardinalité, le comportement des valeurs nulles, la multiplication due aux doublons et l’évolution du nombre de lignes avant de vous fier au résultat.

Derniers contenus

Tout afficher →