Python pour la Data

Positionnement de Python dans l'écosystème data/IA et comparaison avec les réflexes acquis en PHP.

Indentation, mutabilité et typage optionnel : ce qui change par rapport à la syntaxe PHP.

Comprehensions, arguments positionnels et nommés, fonctions comme objets de première classe.

Classes, dataclasses et méthodes magiques : équivalences et écarts avec la POO PHP.

Environnements virtuels, gestion des dépendances avec pip/poetry et structure d'un projet Python.

Lire et écrire du CSV, du JSON et du Parquet en Python, en lien avec les formats vus côté data engineering.

ndarray, vectorisation et broadcasting : la brique de calcul sous-jacente à l'écosystème data Python.

Series, DataFrame, indexation, groupby et merge : l'outil quotidien pour manipuler des données tabulaires.

Bases de matplotlib et seaborn pour explorer un jeu de données et communiquer des résultats.

Consommer une API avec requests et interroger une base avec SQLAlchemy, en réutilisant tes réflexes API REST.

Jupyter et les bonnes pratiques pour séparer exploration jetable et code productif.

pytest, fixtures et paramétrage : le pendant Python de ton cours Tests en PHP.