Cours Python

 CopyrightFrance.com
Cours Python
  1. Introduction à Python
  2. Ide Python
  3. Premier programme Python
  4. Les variables en Python
  5. Les commentaires en Python
  6. Les opérateurs Python
  7. Les fonctions en Python
  8. Structure If else... Python
  9. For While Python
  10. Formatage des chaines Python
  11. Les listes en Python
  12. Les tuples en Python
  13. Les dictionnaires en Python
  14. Les ensembles en Python
  15. POO et classes en Python
  16. Héritage en Python
  17. Les exceptions en Python
  18. Le gestionnaire des packages pip
  19. Télécharger le cours complet
  20. Les modules en Python
  21. Le module OS
  22. Module datetime Python
  23. Le module Platform
  24. Le module virtualenv
  25. Le Module PyInstaller
  26. Le module googletrans
  27. Les fichiers en Python
  28. Les fichiers ouverture & lecture
  29. Les fichiers ouverture & écriture
  30. Les fichiers CSV en Python
  31. Les Fichiers JSON En Python
  32. Fichier de configuration .ini
  33. Python & SQLite database
  34. DB Browser for SQLite
  35. Interface Graphique Tkinter
  36. Les Windgets Tkinter
  37. Bibliothèque d'images PILLOW
  38. Module de style tkinter.ttk
  39. Liste déroulante ttk Combobox
  40. le module filedialog
  41. Projet: Création éditeur de texte
  42. Bibliothèque graphique wxPython
  43. Bibliothèque graphique PyQt5
  44. Le module Math
  45. La bibliothèque matplotlib
  46. Le module Python statistics
  47. Bibliothèque Sympy
  48. Bibliothèques Numpy
  49. Bibliothèques Scipy
  50. Bibliothèques Pandas
  51. Bibliothèques Scikit Learn
  52. Bibliothèques TensorFlow
  53. Python Machine Learning
  54. Introduction à Django
  55. Installation de Django
  56. Premier Projet Django
  57. Interface administrateur
  58. Créer une application django
  59. Les modèles de django
  60. Templates Django
  61. Les formulaires Django
  62. Fichiers Statiques Django
  63. Upload des fichiers django
  64. Systeme Pagination Django
  65. Authentification Utilisateurs Django
  66. Les bases en Python: Variables String
  67. Exercices sur les listes Python
  68. Arithmétiques en Python
  69. Exercices Python: les classes
  70. Exercices sur les dictionnaires
  71. Exercices Python: les fichiers
  72. Exercices GUI Tkinter
  73. Exercices Python & bases de données SQLite3
  74. Tous les TP Python
  75. Création Editeur de Texte en Python Partie1
  76. Mini Logiciel Conjugaison Des Verbes
  77. Système Traduction En Python
  78. Carnet d'adresse en Python
  79. Formation Python-partie1
Développement Web
  1. Introduction au langage HTML
  2. Structure d'un document HTML
  3. Mise en forme d’un document HTML
  4. Liens hypertexte
  5. Insertion d’images
  6. Les attributs de la balise BODY
  7. Les tableaux HTML
  8. Les listes HTML
  9. Les Frames HTML
  10. Les formulaires HTML
  11. Les caractères spéciaux HTML
  12. Ressources et références HTML
  13. Exercices HTML avec correction
  1. Introduction au langage CSS
  2. Propriétés d'un sélecteur
  3. La propriété Text CSS
  4. La propriété background CSS
  5. La propriété Font CSS
  6. La propriété border CSS
  7. Propriétés margin et padding
  8. Propriétés Height & Width
  9. Class et les ID CSS

Javascript Basique
  1. Introduction au langage Javascript
  2. Variables, fonctions et operateurs Javascript
  3. Les structures de contrôle et les boucles Javascript
  4. Les événements Javascript
  5. Le modèle Objet du Javascript
  6. L'objet array Javascript
Framework JQuery
  1. Introduction au Framework jQuery
  2. Premier pas avec le framework jQuery
  3. Les Sélecteurs jQuery
  1. Introduction au langage PHP
  2. Premier programme php
  3. Variables et Fonctions php
  4. Opérateurs arithmétiques et logiques
  5. Les structures de contrôle en php
  6. Les tableaux en php
  7. Control des formulaires en php
  8. Upload des fichiers en php
  9. Gestion des dossiers et des fichiers en php
  10. Colorisation syntaxique en php
  11. Cookies php
  12. Les variables globales php
  13. Sessions php
  14. Les variables php d’environnement
  15. Les classes et la poo php
  16. La librairie php_gd2 des images
  17. Lecture d’un fichier xml en php
  18. Les expressions régulières en php
  19. Moteurs de template php : smarty et fast temp…
  1. Introduction au Framework PHP Laravel
  • Installation Laravel 8 & premier projet
    1. Langage MySql
    2. Introduction au langage MySql
    3. Installation du Serveur MySql
    4. Manipulation des bases de donnée MySql
    5. Manipulation desTables MySql
    6. Insértion de données MySql
    1. Installation Wordpress
    2. Modification du theme Wordpress
    3. Installation d'un plugin
    4. Gestion des catégories
    5. Gestion des articles
    6. Gestion des menus Wordpress
    7. Gestion des pages
    8. Gestion des Plugins
    9. Gestion des Widgets
    10. Gestion des Médias
    11. Gestion des commentaires
    12. Création formulaire de contact
    13. Outil Importation & exportation
    14. Gestion des extensions
    15. Réglage et paramètres
    1. Introduction à Joomla
    2. Installation Joomla
    3. Architecture de Joomla
    Bases de données
    TICE & Multimédia
    Math Pour Informatiques
    UserOnline
    Utilisateurs/utilisatrices: admin, 10 Guests, 6 Bots

    1 - introduction

    Pandas est une bibliothèque Python open source sous licence BSD  permettant de manipuler des structures de données hautes performances et faciles à utiliser ainsi que des outils d'analyse de données pour le langage de programmation Python. Python avec Pandas est utilisé dans un large éventail de domaines, y compris les domaines académiques et commerciaux, financiers, économique, les statistiques, l'analyse, etc... Dans ce cours, nous allons apprendre les différent principes et  fonctionnalités de Python Pandas et comment les utiliser en pratique.

    2 - Installation de Pandas

    Pandas n'est pas fournit avec le package standard de Python, cependant elle s'installe très facilement en toute souplesse à l'aide de l'utilitaire pip:

    pip install  pandas

    2 - Création d'une série avec Pandas





    Pandas Series est un tableau étiqueté unidimensionnel capable de contenir des données de tout type (entier, chaîne, flottant, objets python, etc.). Les étiquettes d'axe sont appelées collectivement index.

    2.1 - Création d'une série vide

    Un premier exemple de série pandas est la série vide:

    Exemple

    # -*- coding: utf-8 -*-
    # importation de pandas en tant que pan
    import pandas as pan
    # Création de séries vides
    ser = pan.Series()
    print(ser)

    La sortie est :  Série ([], dtype: float64)

    2.2 - Création d'une série à partir d'un tableau

    Afin de créer une série à partir d'un tableau, nous devons importer le module numpy et utiliser la méthode numpy.array().

    Exemple

    # importation de pandas as pan
    import pandas as pan
    
    # importation de  numpy as np
    import numpy as np
    
    # tableau simple
    data = np.array (['P', 'y', 't', 'h', 'o' , 'n'])
    
    s = pan.Series(data)
    print(s)

    La sortie est:

    0    P
    1     y
    2    t
    3    h
    4    o
    5    n
    dtype: object

    2.3 - Création d'une série à partir d'un tableau avec index

    Afin de créer une série à partir d'un tableau avec index, nous devons fournir à index le même nombre d'éléments que dans le tableau.

    Exemple

    # importation de pandas as pan
    import pandas as pan
    
    # importation de  numpy as np
    import numpy as np
    
    # tableau simple
    data = np.array (['p', 'y', 't', 'h', 'o' , 'n'])
    
    # fournir un index
    s = pan.Series (data, index = [4, 7, 8, 9, 13 , 17])
    print(s)

    La sortie est :
    4    p
    7    y
    8    t
    9    h
    13    o
    17    n
    dtype: object

    2.4 - Création d'une série à partir d'un Scalaire

    Si les données sont une valeur scalaire, un index doit être fourni. La valeur sera répétée pour correspondre à la longueur de l'index

    Exemple

    #import the pandas library as pan
    import pandas as pan
    import numpy as np
    s = pan.Series(7, index=[1, 2, 3, 4, 5])
    print(s)

    La sortie est la suivante:

    1    7
    2    7
    3    7
    4    7
    5    7
    dtype: int64

    2.5 - Création d'une série à partir d'un dictionnaire

    Afin de créer une série à partir d'un dictionnaire, nous devons d'abord créer un dictionnaire après quoi nous pouvons créer une série. Les clés de dictionnaire sont utilisées pour construire un index.

    # coding: utf-8
    import pandas as pan
    # exemple de dictionnaire 
    dict = {'Laptop' : 17, 
            'Ipad' : 15, 
            'Tablette' : 25} 
       
    # Créer une série à partir du dictionnaire
    s = pan.Series(dict)  
    print(s) 

    Ce qui affiche:

    Laptop    17
    Ipad    15
    Tablette    25
    dtype: int64

    4 - Accès aux données d'une série Pandas

    On peut accéder aux données à partir d'un index facilement en spécifiant la position entre crochets.

    Exemple

    # coding: utf-8
    import pandas as pan
    s = pan.Series([0, 1, 2, 3],index = ['a','b','c','d'])
    
    #extraire le deuxième élément
    print(s[1])
    # Affiche  1

    Ou encore :

    Exemple: extraire l'élément avec son index

    # coding: utf-8
    import pandas as pan
    s = pan.Series([0, 1, 2, 3],index = ['a','b','c','d'])
    
    #extraire le deuxième élément
    print(s[[1]])

    Ce qui affiche à la sortie:

    b 1
    dtype: int64

    Exemple: extraire les données depuis un index début jusqu'à un index fin

    # coding: utf-8
    import pandas as pan
    s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])
    
    #extraire depuis l'index 2 jusqu'à l'index 4
    print(s[2:4])

    La sortie est:

    c    2
    d    3
    dtype: int64

    Exemple: extraction des données à partir d'étiquette

    # coding: utf-8
    import pandas as pan
    s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])
    
    #extraire le deuxième élément
    print(s['d'])
    print(s[['d']])

    Ce qui affiche:

    3
    d     3
    dtype: int64

    Ou encore

    Exemple

    # coding: utf-8
    import pandas as pan
    s = pan.Series([0, 1, 2, 3, 4, 5],index = ['a','b','c','d','e','f'])
    
    #extraire le deuxième élément
    print(s[['a' , 'e' , 'd']])

    Ce qui affiche:

    a    0
    e    4
    d    3
    dtype: int64

    5 - Python DataFrame Pandas

    5.1 - DataFrame à partir d'un dictionnaire

    un dataframe Pandas est un type de donnée similaire à un dictionnaire où les clefs sont utilisés pour représenter  les noms des colonnes et les valeurs sont représentés par des séries. Pour faire simple, nous allons traiter un exemple concret:

    Nous souhaitons à titre d'exemple, représenter la table données suivante à l'aide d'un datafram:

    Nous commençons par convertir la table des données  en un dictionnaire:

    dictData = {'ID' : [1, 2, 3] , 
            'Nom': ['Natalie', 'Robert', 'Bernard'],  
            'Age': [22, 37, 29], 
            'Taille': [170, 190, 181]}

    Nous faisons ensuite l'instanciation sur la classe DataFrame:

    df = pandas.DataFrame(dictData)

    Code final

    import pandas as pan
    
    dictData = {'ID' : [1, 2, 3] , 
            'Nom': ['Natalie', 'Robert', 'Bernard'],  
            'Age': [22, 37, 29], 
            'Taille': [170, 190, 181]}
    df = pan.DataFrame(dictData)
    print(df)

    Voici comment s'affichent les données:

    5.2 - DataFrame à partir d'un tableau numpy

    Reprenons l'exemple du paragraphe précédent. Les données du tableau  peuvent être représentées par un tableau numpy:

    ar = numpy.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])

    Et on crée ensuite le dataframe en utilisant la liste des noms des colonnes:

    df = pan.DataFrame(ar,  columns = ['ID', 'Nom', 'Age', 'Taille'])

    Code final

    import pandas as pan
    import numpy as np
    ar = np.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])
    df = pan.DataFrame(ar,  columns = ['ID', 'Nom', 'Age', 'Taille'])
    print(df)

    On souhaite parfois afficher les données de certaines colonnes seulement:

    Exemple: affichage des colonnes Nom et Age

    import pandas as pan
    import numpy as np
    ar = np.array([[1, 'Natalie', 22, 170], [2, 'Robert', 37, 190], [3, 'Bernard' , 29 , 181]])
    df = pan.DataFrame(ar,  columns = ['ID', 'Nom', 'Age', 'Taille'])
    print(df[['Nom', 'Age']])

    La sortie est:

     

    Younes Derfoufi
    CRMEF OUJDA

    Laisser un commentaire