https://quizgecko.com/learn/numpy-et-lanalyse-de-donnees-tpbprw

Numpy est une bibliothèque qui facilite les calculs numériques en Python, en particulier en traitant les tableaux multidimensionnels.

Les tableaux Numpy sont comme des listes Python, mais optimisés pour le stockage et les calculs rapides de données.

Les opérations vectorisées permettent d'effectuer des opérations arithmétiques sur des tableaux entiers sans boucles individuelles, ce qui accélère les calculs.

Numpy offre une large gamme de fonctions mathématiques, comme les fonctions trigonométriques, logarithmiques et exponentielles.

Numpy permet de trier, filtrer, modifier, redimensionner et fusionner des tableaux, offrant une grande flexibilité dans la manipulation des données.

Numpy s'intègre facilement avec d'autres bibliothèques Python comme Pandas et Matplotlib pour un flux de travail d'analyse de données fluide.

Pandas est une bibliothèque qui simplifie la manipulation et l'analyse des données tabulaires, idéales pour les fichiers CSV, Excel et autres formats.

Les DataFrames Pandas sont comme des tableaux à double entrées (lignes et colonnes), offrant un moyen organisé de stocker et d'accéder aux données.

Créez un objet DataFrame Pandas à partir d'un tableau Numpy.

Appliquez des fonctions Numpy sur des colonnes spécifiques d'un DataFrame Pandas.

L'étape de nettoyage consiste à supprimer les erreurs, les incohérences, les valeurs manquantes et les doublons des données brutes.

Les valeurs manquantes sont des données absentes ou incomplètes dans un ensemble de données, résultant souvent d'erreurs de saisie, de problèmes de collecte ou de limitations dans les processus de mesure.

L'identification des valeurs manquantes est la première étape de leur gestion. La bibliothèque Pandas fournit des fonctions pratiques pour les détecter.

Les valeurs manquantes peuvent biaiser les analyses si elles ne sont pas traitées correctement. Il est crucial de les gérer pour garantir des résultats d'analyses et de modélisation fiables.

La transformation des données consiste à modifier les valeurs d'une colonne en utilisant des fonctions ou des transformations spécifiques.

La fusion et l'agrégation de données combinent différentes sources de données ou consolident des données au sein d'un même ensemble de données.

Seaborn est une bibliothèque Python utilisée pour créer des visualisations statistiques attrayantes et informatives.

Les "heatmaps" sont des représentations visuelles de données numériques où les valeurs sont représentées par la couleur, créant un gradient de couleur pour montrer des tendances.

Seaborn offre des fonctionnalités pour créer des graphiques en paire, ce qui permet de visualiser les relations entre plusieurs paires de variables dans un seul graphique.

Plotly est une bibliothèque Python qui permet de créer des visualisations de données interactives, permettant aux utilisateurs de zoomer, de déplacer et d'explorer les données.

Les graphiques Plotly sont conçus pour être interactifs, vous permettant de survoler les données avec votre souris pour afficher plus d'informations, d'agrandir des zones spécifiques et d'explorer les données avec plus de détails.

Plotly prend en charge la création de graphiques complexes, tels que des représentations 3D, des cartes géographiques interactives et des graphiques de surface pour des données multidimensionnelles.

Plotly s'intègre bien avec Jupyter Notebook, vous permettant d'afficher facilement des graphiques interactifs directement dans votre environnement de développement.

Plotly excelle dans la création de tableaux de bord interactifs et d'applications Web, car il peut être facilement intégré aux applications Web et fournir des informations dynamiques.

Une mesure qui évalue la qualité d'ajustement d'un modèle de régression. Elle indique la proportion de la variance de la variable dépendante expliquée par le modèle.

Une mesure qui évalue la moyenne des erreurs quadratiques d'un modèle de régression. Elle indique la moyenne des erreurs au carré entre les valeurs prédites et les valeurs réelles.

Une méthode qui permet d'évaluer la performance d'un modèle de machine learning en divisant les données en plusieurs ensembles de données, en entraînant le modèle sur un sous-ensemble et en le testant sur les autres.

Un conteneur qui regroupe plusieurs étapes du traitement d'une donnée, de la transformation à la prédiction. Il permet de simplifier et d'optimiser le flux de travail.

Un ensemble de données qui n'est pas utilisé pour entraîner le modèle. Il est utilisé pour évaluer la performance du modèle sur de nouvelles données.

Un ensemble de données utilisé pour entraîner un modèle de machine learning. Il permet au modèle d'apprendre les relations entre les variables.

Un processus de découverte de modèles et de relations dans des données avec l'objectif de construire des modèles prédictifs.

Un processus d'évaluation de la performance d'un modèle de machine learning en comparant les prédictions du modèle aux valeurs réelles.

L'apprentissage automatique (Machine Learning - ML) est un domaine de l'intelligence artificielle permettant de créer des systèmes capables d'apprendre et de faire des prédictions à partir de données, sans être explicitement programmés.

Les algorithmes d'apprentissage automatique utilisent des données pour identifier des tendances et des patterns, puis pour générer des prédictions ou des classifications.

L'apprentissage supervisé utilise des données étiquetées, c'est-à-dire des données accompagnées de leur résultat attendu. Le modèle apprend à partir de ces données pour prédire le résultat de nouvelles données.

Dans l'apprentissage non supervisé, le modèle apprend à partir de données non étiquetées en identifiant des structures et des relations cachées dans les données.

L'apprentissage semi-supervisé combine les deux approches précédentes, utilisant une petite quantité de données étiquetées et une grande quantité de données non étiquetées.

L'apprentissage par renforcement est un type d'apprentissage où un agent interagit avec un environnement et apprend à partir des récompenses et des pénalités reçues en fonction de ses actions.

La régression est utilisée pour prédire une valeur continue, comme le prix d'une maison en fonction de ses caractéristiques.

La classification est utilisée pour prédire une catégorie ou une classe, comme déterminer si un e-mail est un spam ou non.

La division des données en ensembles d'entraînement et de test est un processus crucial pour évaluer les performances d'un modèle de machine learning. L'ensemble d'entraînement sert à entraîner le modèle, tandis que l'ensemble de test est utilisé pour évaluer sa capacité à généraliser à de nouvelles données.

La régression logistique est un algorithme d'apprentissage automatique utilisé pour la classification binaire. Elle permet de prédire la probabilité qu'une observation appartienne à une certaine classe en fonction de ses caractéristiques.

L'entraînement du modèle de régression logistique consiste à ajuster les paramètres du modèle à partir des données d'entraînement afin de minimiser l'erreur de prédiction.

L'évaluation des performances d'un modèle de classification implique l'utilisation de métriques telles que l'exactitude, la précision, le rappel et le score F1, afin de quantifier sa capacité à prédire avec précision les classes.

L'interprétation des coefficients de la régression logistique permet de comprendre l'impact de chaque caractéristique sur la probabilité de la classe prédite. Un coefficient positif indique une corrélation positive, tandis qu'un coefficient négatif indique une corrélation négative.

Le clustering hiérarchique est une technique d'apprentissage non supervisé qui regroupe des données en fonction de leur similarité. Il crée une hiérarchie de clusters en fusionnant progressivement ou en divisant les clusters.

La méthode de liaison (linkage method) en clustering hiérarchique définit la métrique utilisée pour calculer la distance entre deux clusters. Les méthodes courantes incluent la liaison simple, la liaison complète et la liaison moyenne.

Un dendrogramme est une représentation graphique du processus de clustering hiérarchique. Il illustre la fusion des clusters et la hauteur des branches représente la distance entre les clusters.

Une colonne de données dans un DataFrame. Exemple : 'Nom', 'Âge', 'Ville'.

Lire un fichier CSV dans un DataFrame. Permet de charger des données à partir d'un fichier.

Enregistrer un DataFrame dans un fichier CSV. Permet de sauvegarder les données modifiées.

Accéder à une colonne spécifique d'un DataFrame.

Sélectionner plusieurs colonnes d'un DataFrame.

Sélectionner des lignes en utilisant les index. Permet d'accéder à des lignes spécifiques.

Filtrer les données en utilisant des conditions booléennes. Permet de créer des sous-ensembles en fonction de critères.

Inverser les lignes et les colonnes d'un DataFrame.

Trier un DataFrame par une ou plusieurs colonnes, en ordre croissant ou décroissant.

Créer une nouvelle colonne en effectuant une opération arithmétique sur des colonnes existantes.

Supprimer une colonne d'un DataFrame.

Identifier les valeurs manquantes dans un DataFrame.

Remplacer les valeurs manquantes par une valeur spécifique ou supprimer les lignes contenant des valeurs manquantes.

Regrouper les données selon une ou plusieurs colonnes et appliquer des fonctions d'agrégation.

Fusionner ou joindre des DataFrames en fonction d'une ou plusieurs colonnes communes.

Un tableau multidimensionnel homogène (tous les éléments du même type) qui est le cœur de NumPy. Imaginez une structure de données pour stocker des données numériques de manière organisée.

Créer un tableau NumPy en utilisant une liste Python. Exemple : np.array([1, 2, 3])

Créer un tableau rempli de zéros. Exemple : np.zeros((3, 4))

Créer un tableau rempli de uns. Exemple : np.ones((2, 3))

Créer un tableau rempli d'une valeur constante. Exemple : np.full((2, 2), 7)

Créer un tableau avec des valeurs espacées uniformément. Exemple : np.linspace(0, 1, 5)

Créer un tableau avec des nombres aléatoires. Exemple : np.random.rand(3, 2)

NumPy offre des fonctions mathématiques avancées appelées ufunc qui opèrent élément par élément. Par exemple, np.sqrt() calcule la racine carrée de chaque élément d'un tableau.

La transposition échange les axes d'un tableau. Par exemple, pour un tableau 2D, elle transforme les lignes en colonnes et les colonnes en lignes.

NumPy permet de concaténer plusieurs tableaux. np.hstack() concatène horizontalement, tandis que np.vstack() concatène verticalement.

Vous pouvez changer la forme d'un tableau sans changer ses données. Par exemple, reshape((3, 2)) transforme un tableau de (2, 3) en (3, 2).

NumPy contient un module pour l'algèbre linéaire appelé numpy.linalg. Il permet d'effectuer des opérations telles que la multiplication matricielle, le calcul du déterminant, l'inversion de matrice et la recherche de valeurs propres et de vecteurs propres.

Les opérations arithmétiques sont effectuées élément par élément. Par exemple, array + 2 ajoute 2 à chaque élément du tableau.

Le masquage booléen permet de filtrer un tableau en fonction d'une condition. Par exemple, array_1d[mask] sélectionne uniquement les éléments du tableau qui remplissent la condition définie par le masque booléen.

Vous pouvez extraire des sous-ensembles de tableaux à l'aide du slicing. Par exemple, array_2d[0, :2] sélectionne la première ligne et les deux premières colonnes d'un tableau 2D.