Mise en pratique : pipeline d'analyse de données

Ce dernier chapitre construit un minipipeline complet : récupérer des données, les analyser, les stocker, puis les visualiser. Pre…

Deuxième étape : convertir la liste de dictionnaires reçue de l'API en DataFrame pandas (vu au sixième chapitre), pour bénéficier…

Troisième étape : des données réelles contiennent souvent des valeurs manquantes ou invalides. retire les lignes incomplètes ; un…

Quatrième étape : résumer les ventes par catégorie, avec (vu au sixième chapitre) — l'étape d'analyse proprement dite du pipeline,…

Cinquième étape : plutôt qu'un fichier JSON (vu dans Python Intermédiaire), stocker les ventes dans une vraie base de données avec…

Sixième étape : relire les données stockées, avec (déjà vu dans les modules SQL de ce catalogue) — la table SQLite créée à la leço…

Septième étape : un tableau de chiffres reste souvent moins parlant qu'un graphique. (à installer séparément, comme et ) est la bi…

Huitième étape : un graphique sans titre ni légende reste difficile à interpréter isolément. Quelques fonctions ajoutent les infor…

Neuvième étape : rassembler récupération, nettoyage et stockage dans une seule fonction réutilisable, pour ne pas répéter ces étap…

Cette dernière leçon du module assemble l'intégralité du chapitre : récupération API, nettoyage, stockage SQLite, agrégation, et v…