Questions générales
- Qu'est-ce que Pandas, et à quoi sert-il ?
- Quels sont les principaux avantages de Pandas ?
- Comment Pandas se compare-t-il à NumPy et SciPy ?
- Quels sont les cas d'usage courants de Pandas en data science ?
- Comment installer Pandas et configurer un environnement de base ?
Structures de données
- Quelles sont les deux structures principales de Pandas, et en quoi diffèrent-elles ? (Series et DataFrame)
- Comment créer et manipuler ces structures ?
- Comment accéder et modifier les données dans une Series ou un DataFrame ?
- Quelles différences entre indexation, tranchage (slicing), et sélection de données ?
- Comment utiliser l'indexation booléenne pour filtrer les données ?
Manipulation et analyse de données
- Comment nettoyer et préparer des données avec Pandas ? (valeurs manquantes, doublons, formatage)
- Quelles techniques d'agrégation courantes ? (groupby, tableaux croisés dynamiques)
- Comment calculer des statistiques descriptives ? (moyenne, médiane, écart-type)
- Comment créer des visualisations de base avec Pandas ?
- Comment joindre et fusionner des jeux de données ?
Sujets avancés
- Comment utiliser Pandas pour l'analyse de séries temporelles ?
- Comment nettoyer des jeux de données complexes ?
- Quelles techniques d'optimisation de performance pour Pandas ?
- Comment intégrer Pandas avec Scikit-learn ?
- Où apprendre des techniques avancées de Pandas ?
Application pratique
- Pouvez-vous montrer un exemple d'analyse de jeu de données réel avec Pandas ?
- Quels défis avec les gros jeux de données, et comment les surmonter ?
- Comment utiliser Pandas pour construire des modèles de machine learning ?
- Quelles sont les bonnes pratiques pour utiliser Pandas efficacement ?
Adaptez votre apprentissage
Ajustez ces questions à vos objectifs et niveau d'expérience. Cette liste offre un bon point de départ pour explorer la bibliothèque Pandas.