jupyter
jupytext kernelspec formats text_representation ipynb,md extension format_name format_version jupytext_version .md markdown 1.2 1.3.3 display_name language name Python [conda env:root] * python conda-root-py

Formation Python, analyse de donnée et interfaçage E⁺

Partie 1 (7 h) - les fondamentaux

• Introduction au langage Python (1h)
  • Petite perspective
  • Installation de via anaconda
  • Premier contact : utilisation des notebooks jupyter
  • Aparté sur les conventions de style (PEP8)
• Apprentissage par l'exemple : lecture et analyse de fichiers de donnée (5h30-6h)
  • Utilisations des variables
  • Analyser des données tabulaires
  • Affichage des données
  • Répétition d'action avec les boucles
  • Stockage de valeurs dans les listes
  • Application au traitement de nombreux fichiers
  • Programmation conditionnelle : des actions différentes pour différentes valeurs
  • Structurer le code avec les fonctions
  • Rendre son code plus robuste, gestion des erreurs et debug
• Debriefing (15 min)

Partie 2 (7h) - outils d'analyse de donnée

• Mise en contexte : le stack scientifique python (45 min)
• Introduction au calcul scientifique en python (2h)
  • La brique de base : numpy
  • La boîte à outil : scipy
  • Statistique et données tabulaires : pandas
  • La visualisation : matplotlib, pyviz
• pandas pour l'analyse de séries temporelles (4h)
  • Lecture et écriture de set de donnée
  • Sélection des données : indexation simple et avancé
  • Renforcement des données : gestion des données manquantes
  • Gestion des données temporelles, rééchantillonage
• Debriefing (15 min)

Partie 3 (3h) - manipuler E⁺ en python

• Lancement d'une simulation E⁺ : subprocess et plumbum (1h)
• Récupération des résultats (30min)
• Le cas complexe de la parallélisation et d'E⁺ (30min)
• Une solution: utilisation d'une librairie tierce spécialisé : energyplus_wrapper (30 min)
• Debriefing (15 min)