2022-01-10 Année 2022, séance 1

Séance découpée en trois parties.

Partie I : installation et premier pas

Installation

• Choix d’une version : 3.8 ou 3.9, (3.10 est sortie trop récemment)

• Solution simple : Anaconda

• Python

Système de Package

• Anaconda repo

• PyPI

Les packages à avoir pour faire de la datascience

• numpy, scipy : calcul matriciel

• pandas : tables de données

• matplotlib : calcul matriciel

• jupyter : notebooks ou spyder

• scikit-learn : machine learning

Installer un package

• avec conda

• avec pip

Package pure python ? (Unofficial Windows Binaries for Python Extension Packages)

Un peu plus sur les notebooks

• Notebook Jupyter

Les premiers pas

• fonction print

• variables : int, float, str, tuple, list, set, dict

• boucle : for, while

• tests : if, else (voir aussi PEP 636 – Structural Pattern Matching: Tutorial)

Que fait le programme suivant ?

<<<

res = [[1]]
for i in range(1, 10):
    row = [1]
    for j in range(1, i):
        n = sum(res[-1][j - 1: j + 1])
        row.append(n)
    row.append(1)
    res.append(row)

import pprint
pprint.pprint(res)

montrer la sortie

    [[1],
     [1, 1],
     [1, 2, 1],
     [1, 3, 3, 1],
     [1, 4, 6, 4, 1],
     [1, 5, 10, 10, 5, 1],
     [1, 6, 15, 20, 15, 6, 1],
     [1, 7, 21, 35, 35, 21, 7, 1],
     [1, 8, 28, 56, 70, 56, 28, 8, 1],
     [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]]

Partie II : fonction, notion de coût

Les fonctions

• fonctions : def

<<<

import cProfile

nombres = [9, 7, 5, 4, 6, 7, 3, 1, 7, 8]


def moyenne(ens):
    return sum(ens) / len(ens)


def ecarttype(ens):
    var = [(n - moyenne(ens)) ** 2 for n in ens]
    return (sum(var) / len(var)) ** 0.5


print(moyenne(nombres))
print(ecarttype(nombres))

with cProfile.Profile() as pr:
    for n in range(100000):
        ecarttype(nombres)

pr.print_stats()

montrer la sortie

    5.7
    2.3259406699226015
             3400002 function calls in 5.419 seconds
    
       Ordered by: standard name
    
       ncalls  tottime  percall  cumtime  percall filename:lineno(function)
       100000    0.480    0.000    5.419    0.000 :10(ecarttype)
       100000    2.025    0.000    4.760    0.000 :11(<listcomp>)
      1000000    1.336    0.000    2.735    0.000 :7(moyenne)
            1    0.000    0.000    0.000    0.000 cProfile.py:117(__exit__)
      1100000    0.392    0.000    0.392    0.000 {built-in method builtins.len}
      1100000    1.186    0.000    1.186    0.000 {built-in method builtins.sum}
            1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

• coût d’un algorithme

• notation with

Exercice : calculer le nombre de caractères différents entre deux chaînes de caractères.

Partie III : dictionnaires

Tout d’abord une source d’erreur fréquente

<<<

def bizarre(ensemble):
    # premier zero
    ensemble.append(0)
    for i in range(len(ensemble)):
        if ensemble[i] == 0:
            return i


res = [1, 4, 5]
print("bizarre=", bizarre(res))
print("res=", res)

montrer la sortie

    bizarre= 3
    res= [1, 4, 5, 0]

Dictionnaires

• on ne peut plus s’en passer

• dictionnaires : compter les éléments

• Python, constructions classiques

Exercice : compter les paires de lettres consécutives dans un texte.

Digressions de fin de session

• fichiers

• expressions régulières

• git

Exercice pour la prochaine fois

• installer un package

• mettre à jour un package

• réfléchir au problème suivant

Un base de données contient une variable catégorielle. Malheureusement, elle est renseignée de façon imparfaite car elle contient des erreurs de syntaxe. Exemple : ['comptabilité', 'datascience', 'data science', 'pilote', 'pilotage', 'auteur', 'autrice', ...]. Que peut-on faire pour nettoyer cette variable ?