Dans mon précédent article, j’ai effectué une analyses de données sur le Covid-19 en vous expliquant toutes les étapes de cette analyse avec Python, NumPy et Pandas. Cet article en est la suite, et cette fois-ci, vous allez apprendre à créer de jolis visuels pour effectuer la visualisation de données du Covid-19. Vous trouverez tous le code et résultats sur ce notebook.
Si vous n’avez pas lu l’article précédent,
Dans cet article, j’utiliserai un ensemble de données sur le Corona Virus, pour effectuer une analyse de données sur le Covid-19 avec Python, NumPy et Pandas (statistiques sur tous les pays affectés par le Covid-19).
Le dataset utilisé est disponible sur Kaggle : https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset.
Pour cette an analyse de données, j’ai utilisé Python, NumPy et Pandas. Et j’ai utilisé l’outil Google Colab pour le code, vous le trouverez en cliquant ici.
Python est l’un des langages les plus populaires utilisés par les scientifiques et les développeurs de logiciels pour les tâches liées à la science des données (Data Science). Il peut être utilisé pour prévoir les résultats, automatiser les tâches, rationaliser les processus et offrir des informations de veille économique. Voici une liste non exhaustive de 15 bibliothèques Python pour la science des données que vous devez connaître.
Il est possible de travailler avec des données en Python seul,
La popularité des crypto monnaies a explosé en 2017 en raison de plusieurs mois consécutifs de croissance exponentielle de leur capitalisation boursière. Les prix ont atteint un sommet de plus de 800 milliards de dollars en janvier 2018. D’où un projet de prédiction du prix des crypto monnaies avec du Deep Learning.
Bien que le Machine Learning ait réussi à prédire les cours boursiers grâce à une multitude de modèles de séries temporelles,
Je vous propose un guide complet étape par étape pour créer des visualisations de données Python avancées avec Seaborn et Matplotlib.
Bien qu’il existe des tonnes d’outils de visualisation en Python, Matplotlib + Seaborn se distingue toujours par sa capacité à créer et à personnaliser toutes sortes de tracés.
Dans cet article, je vais d’abord passer en revue quelques sections afin de vous préparer aux connaissances de base pour les lecteurs qui seraient débutants Matplotlib :
Pandas est un paquet Python très utilisé pour les données structurées. Il existe de nombreux tutoriels intéressants, mais j’aimerais tout de même présenter ici quelques astuces Pandas que vous ne connaissez peut-être pas encore et qui sont, à mon sens, très utiles.
Voici certaines méthodes Pandas que vous connaissez peut-être déjà mais dont vous ignorez sans doute qu’elles peuvent être utilisées de cette manière.
Mes 10 astuces Pandas
On entend beaucoup parler du Deep Learning (ou Apprentissage Profond), mais qu’est ce que c’est exactement? Comment est-ce que ça fonctionne?
Voici un petit guide rapide pour y voir plus clair.
L’Intelligence Artificielle (IA) et le Machine Learning (ML – Apprentissage Automatique) sont parmi les sujets les plus brûlants du moment.
Le terme “IA” est utilisé tous les jours de manière aggressive. Vous entendez des développeurs en herbe dire qu’ils veulent apprendre l’IA.
Python est un langage de programmation avec lequel vous pouvez absolument tout faire. Vous pouvez utiliser Python pour développer des applications de bureau à interface graphique, des sites web et des applications web, pour la science des données, etc. De plus, Python, en tant que langage de programmation de haut niveau, vous permet de vous concentrer sur la fonctionnalité de base de l’application en vous chargeant des tâches de programmation courantes. Les règles syntaxiques simples du langage de programmation vous permettent en outre de garder plus facilement la base de code lisible et l’application maintenable.
Dans cet article, je vous propose de tenter d’implémenter une prédiction des maladies cardiaques à partir de données d’une région présentant de grands risques d’en développer.
Le projet vise à prédire ces maladies en utilisant trois algorithmes de Machine Learning différents:
L’idée est donc de savoir quelle est la meilleure approche.
La curiosité et l’intuition sont deux des outils les plus puissants du Data Scientist. Le troisième est peut-être le Pandas…
Nous allons voir ici l’extraction d’informations avec Pandas et Seaborn, en utilisant un dataset Kaggle.
Dans un précédent article, je vous ai montré comment avoir une idée du degré d’exhaustivité d’un ensemble de données, tracer quelques variables et examiner les tendances et les évolutions dans le temps.
