Comment pouvez-vous utiliser efficacement Python pour nettoyer, trier et stocker des données ? Quels sont les avantages de l'utilisation de la bibliothèque Pandas pour la science des données ? Quelles sont les meilleures pratiques dont les scientifiques des données peuvent tirer parti pour mieux travailler avec plusieurs types d'ensembles de données ? Dans le troisième cours de la spécialisation Science des données Python Foundations de la Duke University, les utilisateurs de Python apprendront comment Pandas - une bibliothèque commune de Python utilisée pour la science des données - peut faciliter leur travail. Nous vous recommandons de suivre ce cours après les deux premiers cours de la spécialisation. Cependant, si vous possédez des connaissances préalables en algèbre de base, en programmation Python et en NumPy, vous devriez être en mesure de compléter le matériel de ce cours. Au cours de la première semaine, nous discuterons des concepts de fichiers Python, y compris la syntaxe de programmation qui vous permet de lire et d'écrire dans un fichier. Au cours des semaines suivantes, nous aborderons plus spécifiquement Pandas, ainsi que les avantages et les inconvénients de l'utilisation de cette bibliothèque pour des projets de données spécifiques. À la fin de ce cours, vous devriez être en mesure de savoir quand utiliser Pandas, comment charger et nettoyer des données dans Pandas, et comment utiliser Pandas pour la manipulation de données. Cela vous préparera à passer à l'étape suivante de votre parcours de data scientist à l'aide de Python ; la création de logiciels plus importants.