Below you'll find a list of all posts that have been tagged as “Python”
Python s’est imposé comme un langage incontournable dans la science des données, l’intelligence artificielle et le développement logiciel. Mais entre un script rapide écrit dans un notebook et un projet professionnel, il existe un monde. Ce qui distingue les deux n’est pas seulement la complexité du code, mais la capacité à écrire un code robuste, lisible, maintenable et transmissible.
Besoin de nettoyer et vectoriser rapidement vos données tabulaires pour du machine learning ?
On vous présente Skrub, une bibliothèque Python développée par l’équipe derrière scikit-learn.
Nettoyage automatique, jointures floues, vectorisation intelligente : en quelques lignes, vos données sont prêtes pour vos modèles.
Découvrez les leviers essentiels pour optimiser vos jobs Spark : configuration, partitionnement, cache, bonnes pratiques de code… Un guide complet pour passer à l’échelle efficacement.
Vous hésitez entre R et Python pour manipuler vos données ?
Découvrez les équivalences claires entre dplyr et pandas, avec du code et des explications pas à pas.
Un guide complet pour choisir le bon outil et passer facilement de l’un à l’autre.
Dans un projet python, la gestion des logs est essentielle pour assurer le suivi, le débogage et la maintenabilité du code, surtout dans les projets data. Un bon logger doit être centralisé, réutilisable, structurant et capable d’écrire dans des fichiers. Dans cet article, nous vous montrons comment mettre en place un logger adapté à un projet Python organisé en plusieurs …
Vous avez forcément entendu parler du box-plot que l’on appelle aussi boîte à moustache pour sa forme originale.
Ce graphique tout simple permet de résumer une variable de manière simple et visuel, d’identifier les valeurs extrêmes et de comprendre la répartition des observations.
Les nuages de points, ou scatter plots, permettent d’analyser les relations entre deux variables numériques. Cet article explique comment générer des données, utiliser Matplotlib pour tracer ces graphes, et personnaliser les visualisations avec Seaborn. Il aborde également des techniques pour représenter des catégories, ajouter des lignes de régression, et annoter les points.
JupyterLite est une version légère de Jupyter, permettant d’exécuter du code Python directement dans le navigateur, sans aucune installation nécessaire. Elle utilise Pyodide et WebAssembly pour exécuter Python localement. Bien que pratique pour partager des notebooks et réaliser des démos, ses fonctionnalités Python sont parfois limitées.
Polars est une bibliothèque de manipulation de données rapide, conçue pour surpasser Pandas en performances. Grâce à son architecture en Rust et à l’utilisation du format Apache Arrow, Polars optimise le traitement des données volumineuses. Elle propose des fonctionnalités comme le multi-threading, une API paresseuse, et une manipulation intuitive via des expressions.
Coder en python est associé à la notions d’environnements python. Plusieurs outils sont disponibles, lequel choisir ? venv, conda, poetry…
