Contexte et Objectifs
Ce projet a été réalisé seule dans le cadre du cours "Programming for Data Science" au sein du Magistère Économie, Data Science et Finance (AMSE). Le cours étant dispensé en anglais, le rapport et l'analyse ont été effectués dans cette langue.
L'objectif principal était de démontrer la maîtrise des fondamentaux de la programmation Data Science en Python, incluant le nettoyage, la manipulation et l'analyse exploratoire complète d'un jeu de données. Le projet met l'accent sur la robustesse du code et l'efficacité des outils de visualisation.
Réalisé par : Chiara Masi .
Cadre : Cours Programming for Data Science (Magistère AMSE).
Compétences et Outils Clés
Étapes de l'Analyse
1. Traitement et Nettoyage des Données
- Importation, vérification des types et identification des valeurs manquantes.
- Application de techniques de nettoyage pour garantir la qualité des données.
2. Manipulation et Feature Engineering
- Utilisation des fonctions avancées de Pandas pour regrouper, agréger et transformer les données.
- Création de nouvelles variables (features engineering) pertinentes pour l'analyse.
3. Visualisation et Synthèse
L'analyse s'est concentrée sur la distribution des variables et la recherche de tendances, le tout illustré par des visualisations claires.
- Création d'histogrammes, de boîtes à moustaches et de nuages de points pour l'exploration.
- Synthèse des observations clés et identification des relations significatives dans le jeu de données.
Code Source
Le projet est entièrement documenté dans un Jupyter Notebook.
Voir le Notebook (Code)