Calendrier des cours

Tutoriel Python

• Tutoriel Python
• Introduction à Python
• Entrée en matière sur Python
• Syntaxe Python
• Commentaires Python
• Variables Python
• Types de données Python
• Numéros Python
• Casting Python
• Chaînes de caractères Python
• Booleens Python
• Opérateurs Python
• Listes Python
• Tuples Python
• Ensembles Python
• Dictionnaires Python
• If Else Python
• Boucle While Python
• Boucle For Python
• Fonctions Python
• Lambda Python
• Tableaux Python
• Classes / Objet Python
• Héritage Python
• Iteration Python
• Portée Python
• Modules Python
• Dates Python
• JSON Python
• RegEx Python
• PIP Python
• Try Except Python
• Entrée de commande Python
• Formatage de chaînes de caractères Python

Traitement des fichiers

• Ouverture de fichiers Python
• Lecture de fichiers Python
• Écrire / Créer des fichiers Python
• Suppression de fichiers Python

Python NumPy

• Introduction à NumPy
• Entrée en matière sur NumPy
• Création d'arrays NumPy
• Indexation des arrays NumPy
• Tronçonnage des arrays NumPy
• Types de données NumPy
• Copies/Visualisations NumPy
• Forme des arrays NumPy
• Redimensionnement des arrays NumPy
• Iteration des arrays NumPy
• Concaténation des arrays NumPy
• Séparation des arrays NumPy
• Recherche des arrays NumPy
• Tri des arrays NumPy
• Filtrage des arrays NumPy
• Aléatoire NumPy
• ufuncs NumPy

Apprentissage automatique

• Introduction
• Modèle médiane moyen
• Écart type
• Pourcentage
• Distribution des données
• Distribution de données normales
• Graphique de dispersion
• Régression linéaire
• Régression polynomiale
• Régression multiple
• Échelle
• Entraînement / Test
• Arbre de décision

Python MySQL

• Introduction à MySQL
• Créer une base de données MySQL
• Créer une table MySQL
• Insérer MySQL
• Sélection MySQL
• Où MySQL
• Trier par ordre MySQL
• Supprimer MySQL
• Supprimer la table MySQL
• Mise à jour MySQL
• Limit MySQL
• Join MySQL

Python MongoDB

• Introduction à MongoDB
• Créer une base de données MongoDB
• Créer une collection MongoDB
• Insérer MongoDB
• Trouver MongoDB
• Requête MongoDB
• Trier MongoDB
• Supprimer MongoDB
• Supprimer la collection MongoDB
• Mise à jour MongoDB
• Limit MongoDB

Manuel de référence Python

• Aperçu de la référence Python
• Fonctions intégrées Python
• Méthodes de chaînes Python
• Méthodes de listes Python
• Méthodes de dictionnaires Python
• Méthodes de tuples Python
• Méthodes de collections Python
• Méthodes de fichiers Python
• Mots-clés Python

Manuel de référence des modules

• Module aléatoire
• Module de requête

Python How To

• Supprimer les éléments répétés d'une liste
• Inverser une chaîne de caractères

Exemple Python

• Exemple Python
• Quiz Python

Cours optionnel

Recommandation de cours :

• Boîte à outils CodeW3C.com

Qu'est-ce que NumPy ?

NumPy est une bibliothèque python utilisée pour traiter les tableaux.

Il possède également des fonctions travaillant dans les domaines de l'algèbre linéaire, de la transformation de Fourier et des matrices.

NumPy a été créé par Travis Oliphant en 2005. C'est un projet open source, que vous pouvez utiliser librement.

NumPy signifie Python numérique (Numerical Python).

Pourquoi utiliser NumPy ?

En Python, nous avons des listes qui répondent aux fonctions d'array, mais elles sont lentes à traiter.

NumPy vise à fournir un objet tableau 50 fois plus rapide que les listes Python traditionnelles.

Les objets tableau de NumPy sont appelés ndarrayqui fournit de nombreuses fonctions de soutien, permettant ndarray Très facile.

Les tableaux sont très couramment utilisés en sciences des données, car la vitesse et les ressources sont très importantes.

Sciences des données :Une branche de l'informatique qui étudie comment stocker, utiliser et analyser les données pour en extraire des informations.

Pourquoi NumPy est-il plus rapide que les listes ?

Contrairement aux listes, les tableaux NumPy sont stockés dans une position continue en mémoire, ce qui permet aux processus d'accéder et de manipuler efficacement.

Ce comportement est appelé localité des références en informatique.

C'est la raison principale pour laquelle NumPy est plus rapide que les listes. Il est également optimisé pour fonctionner avec les architectures de CPU les plus récentes.

En quel langage est-il écrit NumPy ?

NumPy est une bibliothèque Python, écrite en partie en Python, mais la plupart des parties nécessitant des calculs rapides sont écrites en C ou C++.

Où est le dépôt NumPy ?

Le code source de NumPy se trouve dans ce dépôt github :https://github.com/numpy/numpy

github : permet à de nombreuses personnes de travailler sur le même dépôt de code.

Boîte à outils

Manuel de référence Python

Exemple Python

Quiz Python

Liens de sponsors