Cours développement tableau de bord Python

Leçon 1 • Principes de conception de tableaux de bord

Cette section introduit la hiérarchie de mise en page, l'encodage visuel et la conception centrée sur le public. Elle relie la théorie de la conception aux décisions pratiques prises tout au long du cours.

Leçon 2 • Configuration de l'environnement Python

Installez Python, configurez des environnements virtuels et gérez les dépendances avec pip. Mettez en place l'espace de travail reproductible nécessaire pour tous les projets de tableaux de bord ultérieurs.

Leçon 3 • Révision de la syntaxe Python de base

Cette section couvre les variables, les structures de contrôle, les fonctions et les compréhensions de listes à un niveau pratique. Elle garantit que vous serez capable d'écrire des scripts propres et lisibles avant d'aborder les tâches de données.

Leçon 1 • Opérations d'agrégation et de GroupBy

Cette section calcule des résumés groupés, des tableaux croisés dynamiques et des statistiques glissantes. Elle génère les métriques agrégées affichées sous forme d'indicateurs clés de performance et de graphiques de tendance dans les tableaux de bord.

Leçon 2 • Filtrage, tri et découpage

Cette section applique les masques booléens, l'indexation loc/iloc et les tris multi-colonnes. Elle permet un sous-ensemble dynamique de données qui reflète le comportement de filtrage interactif d'un tableau de bord.

Leçon 3 • Exportation des données traitées

Cette section écrit des DataFrames nettoyés au format CSV, Parquet et SQLite pour une utilisation ultérieure. Elle établit des modèles de persistance des données qui prennent en charge les pipelines de données des tableaux de bord.

Leçon 4 • Chargement et inspection des données

Cette section lit les fichiers CSV, Excel et JSON dans des DataFrames et en profile la structure. Elle établit les modèles de chargement de données réutilisés dans chaque projet de tableau de bord.

Leçon 1 • Graphiques statistiques avec Seaborn

Cette section génère des heatmaps, des boîtes à moustaches, des graphiques en paires et des graphiques de régression à l'aide de Seaborn. Elle ajoute un contexte statistique aux tableaux de bord avec un minimum de code supplémentaire.

Leçon 2 • Composition de figures multi-panneaux

Cette section organise plusieurs types de graphiques en mises en page cohérentes multi-panneaux à l'aide de GridSpec. Elle fait directement le lien avec la conception de mise en page multi-widgets utilisée dans les tableaux de bord interactifs.

Leçon 3 • Style et thèmes des graphiques

Cette section applique des feuilles de style, des palettes de couleurs personnalisées et des paramètres typographiques. Elle garantit la cohérence visuelle entre les maquettes statiques et les tableaux de bord interactifs finaux.

Leçon 4 • Types de graphiques de base dans Matplotlib

Cette section construit des graphiques en courbes, en barres, en nuages de points et des histogrammes avec un contrôle complet des axes et des étiquettes. Elle couvre le vocabulaire fondamental des graphiques utilisé dans tous les frameworks de tableaux de bord.

Leçon 1 • Sous-graphiques et facettage

Cette section organise plusieurs graphiques Plotly en grilles de sous-graphiques partagés et en panneaux facetés. Elle reproduit les modèles de mise en page multi-graphiques utilisés dans les tableaux de bord de production.

Leçon 2 • Exportation et intégration des graphiques

Cette section exporte les graphiques aux formats HTML, PNG et SVG et les intègre dans des notebooks et des pages web. Elle vous prépare à fournir des graphiques interactifs autonomes avant le déploiement complet du tableau de bord.

Leçon 3 • Démarrage rapide avec Plotly Express

Cette section crée des graphiques en nuages de points, en barres, en courbes et cartographiques avec des appels Plotly Express en une seule ligne. Elle démontre le chemin le plus rapide pour passer d'un DataFrame à un graphique interactif.

Leçon 4 • Fonctionnalités d'interactivité

Cette section configure les modèles d'info-bulles, les événements de clic, les curseurs de plage et les trames d'animation. Elle transforme des données statiques en expériences visuelles explorables et pilotées par l'utilisateur.

Leçon 1 • Conception et style de la mise en page

Cette section applique des classes CSS, des styles en ligne et les composants Dash Bootstrap pour des mises en page réactives. Elle produit des interfaces de tableau de bord professionnelles et adaptées aux mobiles.

Leçon 2 • Applications Dash multi-pages

Cette section implémente le routage des pages, les barres de navigation partagées et les mises en page par page dans Dash. Elle fait évoluer les prototypes d'une seule page vers des applications de tableau de bord complètes multi-sections.

Leçon 3 • Structure d'une application Dash

Cette section explique l'objet app, l'arbre de mise en page et la configuration du serveur pour une application Dash minimale. Elle établit le modèle structurel que suivra chaque projet Dash ultérieur.

Leçon 4 • Composants Dash Core et HTML

Cette section utilise les modules dcc et html pour ajouter des listes déroulantes, des curseurs, des graphiques et des éléments de texte. Elle construit la couche d'interface utilisateur interactive que les utilisateurs voient et manipulent dans le navigateur.

Leçon 1 • Validation des données et gestion des erreurs

Cette section applique la validation de schéma, les blocs try/except et les jeux de données de repli aux erreurs de pipeline. Elle empêche les tableaux de bord de se casser lorsque les sources de données en amont échouent ou changent.

Leçon 2 • Connexion aux bases de données SQL

Cette section interroge les bases de données relationnelles à l'aide de SQLAlchemy et de pandas read_sql. Elle remplace les fichiers CSV statiques par des sources de données dynamiques basées sur des bases de données dans les tableaux de bord.

Leçon 3 • Récupération de données depuis les API REST

Cette section utilise la bibliothèque requests pour appeler des points de terminaison REST et analyser les réponses JSON. Elle permet aux tableaux de bord d'afficher des données en temps réel provenant de services externes.

Leçon 4 • Actualisation programmée des données

Cette section implémente dcc.Interval et APScheduler pour déclencher des récupérations périodiques de données. Elle maintient les métriques du tableau de bord à jour sans nécessiter d'actualisation manuelle de la page.

Leçon 1 • Composants Dash personnalisés

Cette section construit des composants réutilisables basés sur React et les package pour une utilisation dans des applications Dash. Elle étend la bibliothèque de composants Dash pour répondre aux besoins UI métier uniques.

Leçon 2 • Authentification des utilisateurs et contrôle d'accès

Cette section implémente les flux de connexion, les jetons de session et les restrictions de vue basées sur les rôles dans Dash. Elle protège les données métier sensibles contre tout accès non autorisé au tableau de bord.

Leçon 3 • Mise en cache et mémorisation

Cette section applique Flask-Caching et functools.lru_cache aux requêtes de données et transformations coûteuses. Elle réduit la charge de la base de données et accélère les interactions répétées avec le tableau de bord.

Leçon 4 • Gestion des grands ensembles de données

Cette section utilise la pagination côté serveur, la virtualisation des données et Dask pour les ensembles de données qui dépassent la mémoire. Elle permet aux tableaux de bord de rester réactifs lorsque les volumes de données dépassent les limites de mémoire.

Leçon 1 • Tests automatisés pour les tableaux de bord

Cette section écrit des tests unitaires pour les rappels et des tests de bout en bout à l'aide de Dash Testing et de Selenium. Elle détecte les régressions avant le déploiement et fait respecter les normes de qualité du tableau de bord.

Leçon 2 • Configuration du proxy inverse et HTTPS

Cette section configure Nginx comme proxy inverse avec terminaison TLS devant le serveur Dash. Elle sécurise le trafic du tableau de bord et permet le routage de domaines personnalisés en production.

Leçon 3 • Surveillance et observabilité

Cette section instrumente les tableaux de bord avec une journalisation structurée, des points de terminaison de métriques et des règles d'alerte. Elle fournit une visibilité opérationnelle sur la santé du tableau de bord et le comportement des utilisateurs en production.

Leçon 4 • Conteneurisation des applications Dash

Cette section empaquette les applications Dash dans des images Docker avec des environnements reproductibles et des points d'entrée. Elle permet un déploiement cohérent dans les environnements de développement, de recette et de production.