Python expert — Développement d’interfaces graphiques et dataviz avancée
Prochaine session
12 et 13 septembre 2024
- Appréhender les problématiques de traitement visuel de l’information amplifiées par le développement du Big data
- Maitriser les librairies open source de dataviz
- Comprendre les possibilités offertes par Python en dataviz et le potentiel des librairies open source afin d’exploiter des données et de réaliser des visualisations pertinentes
- Acquérir les connaissances théoriques sur les principes de bases de conception et de réalisation de dataviz mais aussi le développement de savoir-faire pratiques directement utilisables en situation professionnelle
- Appréhender les problématiques de traitement visuel de l’information amplifiées par le développement du Big data
- Maitriser les librairies open source de dataviz
- Comprendre les possibilités offertes par Python en dataviz et le potentiel des librairies open source afin d’exploiter des données et de réaliser des visualisations pertinentes
- Acquérir les connaissances théoriques sur les principes de bases de conception et de réalisation de dataviz mais aussi le développement de savoir-faire pratiques directement utilisables en situation professionnelle
Parmi nos formations au langage Python, cette formation est le NIVEAU 3. Elle requiert une bonne maîtrise et une utilisation régulière de Python (contenu des formations niveau 1 - Python initiation et niveau 2 - Python intermédiaire).
Parmi nos formations au langage Python, cette formation est le NIVEAU 3. Elle requiert une bonne maîtrise et une utilisation régulière de Python (contenu des formations niveau 1 - Python initiation et niveau 2 - Python intermédiaire).
Toute personne souhaitant développer une utilisation avancée de Python dans le domaine de la visualisation des données, notamment les data scientists et data analysts déjà utilisateurs de Python.
Toute personne souhaitant développer une utilisation avancée de Python dans le domaine de la visualisation des données, notamment les data scientists et data analysts déjà utilisateurs de Python.
La data visualisation est une représentation graphique des données qui permet de visualiser et de comprendre rapidement les tendances, les relations et les patterns dans les données. Elle utilise des graphiques, des diagrammes, des tableaux et des cartes pour représenter les données de manière claire et intuitive. Les data visualisations peuvent être utilisées dans de nombreux domaines, tels que la data science, la recherche, la finance ou le marketing. Elles permettent aux utilisateurs de voir les données de manière globale, de faire des comparaisons et de découvrir des insights cachés dans les données.
De nombreuses librairies permettent de faire de la dataviz en Python mais nous allons au cours de cette formation nous focaliser sur les plus populaires telles que matplotlib, seaborn, plotly et dash.
Intoduction, bonnes et mauvaises pratiques de dataviz
Présentation de la librairie de visualisation standard Matplotlib et Seaborn et cas pratique
Présentation de la librairie de visualisation open-source Plotly et réalisation de graphiques interactifs
- Line plots, scatter plots, bar charts, error bars, box plots, histograms, heatmaps, maps…)
- Affichage des graphiques dans un notebook Jupyter et sauvegarde au format HTML ou PDF
Création d’une web-app analytique avec Dash et Plotly
- Présentation de la librairie Dash
- Comment définir de la mise en page de l’app
- Comment manipuler des composants Dash core et html
- Comment rendre l’app interactive avec les Callbacks
La data visualisation est une représentation graphique des données qui permet de visualiser et de comprendre rapidement les tendances, les relations et les patterns dans les données. Elle utilise des graphiques, des diagrammes, des tableaux et des cartes pour représenter les données de manière claire et intuitive. Les data visualisations peuvent être utilisées dans de nombreux domaines, tels que la data science, la recherche, la finance ou le marketing. Elles permettent aux utilisateurs de voir les données de manière globale, de faire des comparaisons et de découvrir des insights cachés dans les données.
De nombreuses librairies permettent de faire de la dataviz en Python mais nous allons au cours de cette formation nous focaliser sur les plus populaires telles que matplotlib, seaborn, plotly et dash.
Intoduction, bonnes et mauvaises pratiques de dataviz
Présentation de la librairie de visualisation standard Matplotlib et Seaborn et cas pratique
Présentation de la librairie de visualisation open-source Plotly et réalisation de graphiques interactifs
- Line plots, scatter plots, bar charts, error bars, box plots, histograms, heatmaps, maps…)
- Affichage des graphiques dans un notebook Jupyter et sauvegarde au format HTML ou PDF
Création d’une web-app analytique avec Dash et Plotly
- Présentation de la librairie Dash
- Comment définir de la mise en page de l’app
- Comment manipuler des composants Dash core et html
- Comment rendre l’app interactive avec les Callbacks
Les bibliothèques Python pour faire de la Dataviz
La data visualisation, également connue sous le nom de dataviz, est l’art de représenter visuellement des données pour faciliter la compréhension, l’exploration et la communication des informations. Elle permet de transformer des données brutes en graphiques, diagrammes, cartes et autres formes visuelles, afin de mettre en évidence des tendances, des schémas ou des relations. En Python, il existe de nombreuses bibliothèques et outils puissants pour créer des visualisations de données. En voici quelques-uns des plus populaires, dont certaines seront utilisées tout au long de la formation :
Matplotlib: C’est l’une des bibliothèques de visualisation les plus anciennes et les plus largement utilisées en Python. Matplotlib offre une grande flexibilité pour créer une grande variété de graphiques, y compris des graphiques linéaires, des histogrammes, des diagrammes à barres, des nuages de points, etc.Seaborn: Basée sur Matplotlib, Seaborn fournit des fonctionnalités supplémentaires pour créer des graphiques statistiques attrayants et informatifs. Elle est souvent utilisée pour explorer et visualiser des données complexes, notamment avec des diagrammes de dispersion, des graphiques en violon, des graphiques de distribution, etc.Plotly: Plotly est une bibliothèque de visualisation interactive qui permet de créer des graphiques interactifs, des tableaux de bord et des applications web. Elle offre une vaste gamme de types de graphiques et prend en charge des fonctionnalités telles que le zoom, le panoramique et la sélection des données.Bokeh: Bokeh est une autre bibliothèque de visualisation interactive qui permet de créer des graphiques interactifs et des tableaux de bord. Elle est conçue pour être utilisée dans les navigateurs web et prend en charge des fonctionnalités telles que les outils de zoom, de panoramique et de survol.Altair: Altair est une bibliothèque de visualisation déclarative qui permet de créer des graphiques interactifs en utilisant une syntaxe concise et intuitive. Elle facilite la création de graphiques basés sur des spécifications de données, ce qui rend le processus de création de visualisations plus facile et plus efficace.
Il existe également d’autres bibliothèques plus spécialisées, telles que NetworkX pour la visualisation de graphes, GeoPandas pour la cartographie géospatiale, et bien d’autres encore.
Les bibliothèques Python pour faire de la Dataviz
La data visualisation, également connue sous le nom de dataviz, est l’art de représenter visuellement des données pour faciliter la compréhension, l’exploration et la communication des informations. Elle permet de transformer des données brutes en graphiques, diagrammes, cartes et autres formes visuelles, afin de mettre en évidence des tendances, des schémas ou des relations. En Python, il existe de nombreuses bibliothèques et outils puissants pour créer des visualisations de données. En voici quelques-uns des plus populaires, dont certaines seront utilisées tout au long de la formation :
Matplotlib: C’est l’une des bibliothèques de visualisation les plus anciennes et les plus largement utilisées en Python. Matplotlib offre une grande flexibilité pour créer une grande variété de graphiques, y compris des graphiques linéaires, des histogrammes, des diagrammes à barres, des nuages de points, etc.Seaborn: Basée sur Matplotlib, Seaborn fournit des fonctionnalités supplémentaires pour créer des graphiques statistiques attrayants et informatifs. Elle est souvent utilisée pour explorer et visualiser des données complexes, notamment avec des diagrammes de dispersion, des graphiques en violon, des graphiques de distribution, etc.Plotly: Plotly est une bibliothèque de visualisation interactive qui permet de créer des graphiques interactifs, des tableaux de bord et des applications web. Elle offre une vaste gamme de types de graphiques et prend en charge des fonctionnalités telles que le zoom, le panoramique et la sélection des données.Bokeh: Bokeh est une autre bibliothèque de visualisation interactive qui permet de créer des graphiques interactifs et des tableaux de bord. Elle est conçue pour être utilisée dans les navigateurs web et prend en charge des fonctionnalités telles que les outils de zoom, de panoramique et de survol.Altair: Altair est une bibliothèque de visualisation déclarative qui permet de créer des graphiques interactifs en utilisant une syntaxe concise et intuitive. Elle facilite la création de graphiques basés sur des spécifications de données, ce qui rend le processus de création de visualisations plus facile et plus efficace.
Il existe également d’autres bibliothèques plus spécialisées, telles que NetworkX pour la visualisation de graphes, GeoPandas pour la cartographie géospatiale, et bien d’autres encore.
