44 documents tagués avec "python"

Itérables, boucles for et while, range, énumération, instructions de contrôle et mutations sûres.

Guide concis de SymPy pour la dérivation symbolique, l’intégration, les limites, le développement en série et les équations différentielles.

Chaînes Unicode immuables, tranches, recherche, formatage, normalisation et frontières d'encodage.

Un processus d'ingestion défensif pour les fichiers tabulaires et les données externes.

Usage portable de pathlib, résolution et découverte des chemins, opérations sur les fichiers et sûreté des actions destructives.

Jointures et concaténations sûres, contrôle de cardinalité et diagnostic des clés sans correspondance.

Classes Python, état des instances, liaison des méthodes, invariants, composition et conception orientée protocoles.

Évaluation de vérité, comparaisons, court-circuit, identité, appartenance et conception des branches.

Analyse, fuseaux horaires, périodes, décalages, rééchantillonnage et fenêtres glissantes dans pandas.

Sémantique des décorateurs Python, conservation des métadonnées, configuration, composition et frontières des enveloppes.

Sémantique des associations Python, contraintes sur les clés, contrats de recherche, itération, fusion et coûts.

Catégories ordonnées, vocabulaires finis, discrétisation et choix d'encodage.

Lever, traduire, traiter, nettoyer et tester les contrats d'exception Python.

Appel de sous-processus Python, sorties, délais, environnements, frontière du shell et cycle de vie.

Guide pratique pour lire, tester et utiliser des expressions régulières en toute sécurité avec Python.

Correspondance, extraction, remplacement, sémantique Unicode, échappement et risques de performance.

Contrats, types de paramètres, valeurs de retour, valeurs par défaut, annotations et frontières des effets de bord.

Un parcours compact à travers le modèle objet, le contrôle de flux, les fonctions, les collections, les fichiers et les classes de Python.

Flux standard, arguments, variables d'environnement, état de sortie et conception de CLI Python composables.

Motifs vectorisés et composables, avec un guide de choix entre map, apply, agg, transform et pipe.

Sélection par étiquette, position et MultiIndex sans ambiguïté sémantique.

Contrats d'annotation, syntaxe moderne, raffinement, protocoles, génériques et frontières d'exécution.

Filtrage booléen et prédicats lisibles pour les DataFrames.

Usages appropriés des lambdas Python, fonctions clés, fermetures et limites de lisibilité.

E/S de fichiers texte et binaires, durée de vie des ressources, flux, formats, échecs et écritures plus sûres.

Sémantique des listes Python, alias, tranches, compréhensions, mutations et coûts des opérations.

Un processus reproductible pour normaliser, analyser, valider et documenter des données tabulaires.

Une référence pratique de NumPy couvrant la création de tableaux, l’indexation, les formes, les opérations vectorisées, l’agrégation et la comparaison de tableaux.

Une carte orientée tâches pour travailler avec des données tabulaires dans pandas.

Une introduction concise aux expressions symboliques, au calcul, aux équations et à la simplification maîtrisée en Python.

Un guide minimal pour créer des environnements Conda isolés et distinguer les fichiers de dépendances Conda de ceux de pip.

Cas de base, mesures de progression, coût de pile, structures récursives et frontières avec l'itération.

Séparer, appliquer et combiner en décidant explicitement de la forme de sortie et des clés manquantes.

Guide de pivot, pivot_table, melt, stack, unstack et explode.

Sélection explicite, opérations vectorisées, mappage et alignement des Series.

Choix des couches de test, portes de CI, régressions, performances et politique des tests instables.

La table bidimensionnelle étiquetée et ses invariants fondamentaux.

Le tableau unidimensionnel étiqueté au cœur de pandas.

Noms, objets, expressions, instructions, indentation, imports et frontières de conversion.

Une carte des exemples exécutables et tests unitaires jusqu'à la confiance dans l'intégration, le système et l'exploitation.

Conception ciblée avec pytest ou unittest, paramétrage, fixtures, doublures et assertions d'échec.

Diffusion, analyse, agrégation, validation et exploitation de pipelines de traitement des journaux.

Utiliser uv pour les versions de Python, les dépendances de projet, les fichiers de verrouillage et l'exécution de commandes, tout en maintenant des frontières claires avec Conda et une migration sûre.

Une approche guidée par des règles pour détecter, interpréter et traiter les données manquantes.