Introduction à Python

Cet article prolonge Pourquoi apprendre à coder ? et l’introduction à R. Python et R font largement les mêmes choses pour l’analyse de données ; leurs concepts se transposent d’un langage à l’autre.

Pourquoi Python

Python n’a pas été conçu pour les statistiques, mais pour être un langage généraliste et lisible. Cela lui donne des atouts complémentaires de ceux de R :

• Polyvalence : au-delà de l’analyse de données, Python sert à automatiser des tâches, manipuler des fichiers, interroger des sites web, construire des applications.
• Machine learning : les grandes librairies d’apprentissage automatique et d’intelligence artificielle (scikit-learn, PyTorch…) sont en Python. C’est incontournable dès qu’on s’oriente vers la modélisation prédictive.
• Lisibilité : sa syntaxe épurée en fait un bon premier langage, y compris pour qui n’a jamais programmé.

Les notebooks Jupyter

En data science, on écrit souvent Python dans des notebooks Jupyter : un document qui alterne des cellules de code, leurs résultats (tableaux, graphiques) et du texte explicatif. C’est idéal pour explorer des données pas à pas et partager une analyse commentée. Des environnements gratuits comme Google Colab permettent d’utiliser des notebooks directement dans le navigateur, sans rien installer.

pandas : manipuler des tableaux

pandas est la librairie centrale pour manipuler des données tabulaires en Python. Elle organise les données dans un objet appelé DataFrame — un tableau avec des lignes et des colonnes nommées, comme une feuille de calcul.

import pandas as pd

# Un tableau de patients (sexe, age, creatinine)
patients = pd.DataFrame({
  "sexe":       ["F", "M", "F", "F", "M", "F"],
  "age":        [72, 45, 34, 78, 60, 69],
  "creatinine": [142, 88, 71, 156, 97, 168],
})

# Filtrer les femmes de plus de 65 ans
femmes_agees = patients[(patients["sexe"] == "F") & (patients["age"] > 65)]

# Créatinine moyenne par sexe
patients.groupby("sexe")["creatinine"].mean()

sexe
F    134.25
M     92.50
Name: creatinine, dtype: float64

Si vous avez lu les articles SQL et R, vous reconnaissez la même logique : filtrer les lignes, regrouper, résumer. Seule la syntaxe change. En pratique, on charge souvent les données depuis un fichier CSV (un tableau texte où les colonnes sont séparées par des virgules) avec pd.read_csv("patients.csv"), format d’échange très courant.

matplotlib : visualiser

matplotlib est la librairie de base pour tracer des graphiques. La plupart des tracés tiennent en quelques lignes.

Python

import matplotlib.pyplot as plt

plt.scatter(patients["age"], patients["creatinine"])
plt.xlabel("Âge (années)")
plt.ylabel("Créatinine (µmol/L)")
plt.title("Créatinine selon l'âge")
plt.show()

Résultat

patients.shape       # (nombre de lignes, nombre de colonnes)
patients.info()      # type et nombre de valeurs non manquantes par colonne
patients.describe()  # min, max, moyenne, quartiles des colonnes numériques

Ressources pour se former

Python et Linkr

Une fois vos données extraites d’un entrepôt — au format OMOP par exemple —, Python et pandas sont un excellent choix pour prolonger l’analyse au-delà de ce que le Study Designer génère automatiquement. Les deux approches sont complémentaires : l’outil pour concevoir et cadrer, le code pour explorer sans limite.