Scopes and Lambdas: Data Science avec Python

Cette séance de cours couvre les concepts de champs d'application, lambdas et pandas dans le contexte de la science des données pour les ingénieurs utilisant Python. Les sujets comprennent les déclarations imbriquées, la détermination de la portée, les affectations, les fonctions, les lambdas et la manipulation et l'analyse des pandas. L'instructeur démontre l'utilisation de lambdas pour le tri, les valeurs de champ par défaut et les limites des valeurs par défaut mutables. En outre, la séance de cours explore l'utilisation des pandas pour une manipulation et une analyse efficaces des données, en mettant l'accent sur les structures des séries et des cadres de données. Des exemples pratiques et des exercices pratiques sont fournis pour améliorer la compréhension et l'application des concepts couverts.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (948)

Concepts associés (97)

ENG-209: Data science for engineers with Python

Ce cours est divisé en deux partie. La première partie présente le langage Python et les différences notables entre Python et C++ (utilisé dans le cours précédent ICC). La seconde partie est une intro

Fonction imbriquée

Une fonction imbriquée ou fonction interne est une fonction dont la définition est encapsulée dans une autre fonction. Elle ne peut être appelée que par la fonction englobante ou par des fonctions imbriquées directement ou non dans la même fonction englobante. En d'autres termes, la portée de la fonction imbriquée est limitée par la fonction englobante; elle offre un contrôle très strict de leur visibilité (scope) par le reste du programme.

Ingénierie

L'ingénierie est l'ensemble des fonctions qui mènent de la conception et des études, de l'achat et du contrôle de fabrication des équipements, à la construction et à la mise en service d'une installation technique ou industrielle. Par extension, le terme est aussi souvent utilisé dans d'autres domaines : on parle par exemple d'ingénierie informatique ou d'ingénierie financière.

Sorting

Sorting refers to ordering data in an increasing or decreasing manner according to some linear relationship among the data items. ordering: arranging items in a sequence ordered by some criterion; categorizing: grouping items with similar properties. Ordering items is the combination of categorizing them based on equivalent order, and ordering the categories themselves. In , arranging in an ordered sequence is called "sorting". Sorting is a common operation in many applications, and efficient algorithms have been developed to perform it.

Algorithme de tri

Un algorithme de tri est, en informatique ou en mathématiques, un algorithme qui permet d'organiser une collection d'objets selon une relation d'ordre déterminée. Les objets à trier sont des éléments d'un ensemble muni d'un ordre total. Il est par exemple fréquent de trier des entiers selon la relation d'ordre usuelle « est inférieur ou égal à ». Les algorithmes de tri sont utilisés dans de très nombreuses situations. Ils sont en particulier utiles à de nombreux algorithmes plus complexes dont certains algorithmes de recherche, comme la recherche dichotomique.

Fonction trigonométrique

thumb|upright=1.35|Toutes les valeurs des fonctions trigonométriques d'un angle θ peuvent être représentées géométriquement. En mathématiques, les fonctions trigonométriques permettent de relier les longueurs des côtés d'un triangle en fonction de la mesure des angles aux sommets. Plus généralement, ces fonctions sont importantes pour étudier les triangles et les polygones, les cercles (on les appelle alors fonctions circulaires) et modéliser des phénomènes périodiques.

Data Science: Python pour les ingénieurs - Partie II ENG-209: Data science for engineers with Python

Explore les data wrangling, le traitement numérique des data, et la visualisation scientifique en utilisant Python pour les ingénieurs.

Mise à jour Excel: Fonctions avancées et analyse de données

Couvre les fonctions avancées Excel et les techniques d'analyse de données, y compris l'enregistrement automatique et l'utilisation de Solver.

Modules Python et Pandas ENG-209: Data science for engineers with Python

Introduit des modules Python, cadrage, lambdas et pandas pour la manipulation et l'analyse des données.

Cadres de données Spark COM-490: Large-scale data science for real-world data

Couvre les cadres de données Spark, les collections distribuées de données organisées en colonnes nommées, et les avantages de les utiliser sur les DDR.

Visualisation de la science des données avec Pandas ENG-209: Data science for engineers with Python

Couvre la manipulation et l'exploration de données à l'aide de Python en mettant l'accent sur les techniques de visualisation.