Scribd
Importer
16 vues4 pages

Guide Bibliotheques Python

Ce document présente un guide condensé sur les bibliothèques Python essentielles, divisées en deux catégories : générales et scientifiques. Les bibliothèques générales incluent os, sys, datetime et json, tandis que les bibliothèques scientifiques comprennent NumPy, pandas, matplotlib, seaborn, SciPy et scikit-learn, chacune avec des fonctions et des exemples d'utilisation. Ce guide sert de référence rapide pour les fonctionnalités clés de ces bibliothèques.

Transféré par

imouranehadjabdou
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
16 vues4 pages

Guide Bibliotheques Python

Ce document présente un guide condensé sur les bibliothèques Python essentielles, divisées en deux catégories : générales et scientifiques. Les bibliothèques générales incluent os, sys, datetime et json, tandis que les bibliothèques scientifiques comprennent NumPy, pandas, matplotlib, seaborn, SciPy et scikit-learn, chacune avec des fonctions et des exemples d'utilisation. Ce guide sert de référence rapide pour les fonctionnalités clés de ces bibliothèques.

Transféré par

imouranehadjabdou
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Guide Condensé : Bibliothèques Python Essentielles (Général et Science)

1. Bibliothèques Générales

1.1 os

- Fonctions essentielles :

- [Link]() : chemin courant

- [Link](path) : liste des fichiers

- [Link](name) : créer un répertoire

- Exemple :

import os

print([Link]())

[Link]("nouveau_dossier")

1.2 sys

- Fonctions essentielles :

- [Link] : arguments en ligne de commande

- [Link]() : sortir du programme

- Exemple :

import sys

print([Link])

[Link]()

1.3 datetime

- Fonctions essentielles :

- [Link]() : date/heure actuelle

- [Link]() : différence de temps

- Exemple :

from datetime import datetime, timedelta

print([Link]())

print([Link]() + timedelta(days=1))
1.4 json

- Fonctions essentielles :

- [Link]() / [Link]() : fichier

- [Link]() / [Link]() : chaîne

- Exemple :

import json

personne = {"nom": "Alice", "age": 30}

json_str = [Link](personne)

print([Link](json_str))

2. Bibliothèques Scientifiques

2.1 NumPy

- Fonctions essentielles :

- [Link]() : créer un tableau

- [Link](), [Link]() : moyenne, écart-type

- Exemple :

import numpy as np

arr = [Link]([1, 2, 3])

print([Link](arr))

2.2 pandas

- Fonctions essentielles :

- pd.read_csv() : lire un CSV

- [Link](), [Link]() : aperçu et stats

- Exemple :

import pandas as pd

df = pd.read_csv("[Link]")

print([Link]())

2.3 matplotlib

- Fonctions essentielles :

- [Link](), [Link]() : tracer et afficher


- Exemple :

import [Link] as plt

[Link]([1, 2, 3], [4, 5, 6])

[Link]()

2.4 seaborn

- Fonctions essentielles :

- [Link](), [Link]() : visualisation

- Exemple :

import seaborn as sns

import pandas as pd

df = [Link]({"x": [1,2,3], "y": [4,5,6]})

[Link](data=df, x="x", y="y")

2.5 SciPy

- Fonctions essentielles :

- [Link] : statistiques

- [Link] : optimisation

- Exemple :

from scipy import stats

print([Link](1.96))

2.6 scikit-learn

- Fonctions essentielles :

- train_test_split() : séparer les données

- fit(), predict() : entraînement et prédiction

- Exemple :

from sklearn.linear_model import LinearRegression

from sklearn.model_selection import train_test_split

import numpy as np

X = [Link]([[1], [2], [3], [4]])

y = [Link]([2, 4, 6, 8])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)


model = LinearRegression().fit(X_train, y_train)

print([Link]([[5]]))

Vous aimerez peut-être aussi