Python scientifique : principes et applications

Résumé

Pro08

Prochaine session : du 17 au 19 juin 2025

Objectifs

• Connaitre la structure du langage Python dans sa version 3 ou ultérieure.
• Mettre en œuvre les bonnes pratiques de développement objet en vue de créer une application.
• Utiliser les principales librairies mathématiques vectorielles dont Numpy/Scipy pour effectuer des calculs optimisés en temps.
• Visualiser les résultats de calcul avec la librairie graphique Matplotlib et Plotly.
• Savoir manipuler des données avec le module Pandas.

Les + de la formation

• Les caractéristiques du langage Python et des librairies Numpy/Scipy et les notions de programmation objet sont abordées progressivement.
• Les notions importantes sont appliquées dans le cadre de petits exercices tirés de problèmes réels et dans des mini-projets dans le dernier tiers de la formation.
• Le nombre réduit des participants (deux intervenants sont prévus pour un groupe supérieur à 6 dans les parties pratiques) permet une réelle aide personnalisée dans l’apprentissage

Nos atouts pédagogiques

Cette formation s’appuie sur les moyens techniques de l’école Grenoble INP - Phelma, UGA, école nationale supérieure de Physique, Electronique et Matériaux.

Conditions d'admission

Pour qui ? 
Cette formation s'adresse à des techniciens, des ingénieurs ou des chercheurs ayant déjà des bases en programmation structurée, voulant développer des applications objets en langage python dans sa version 3 ou ultérieure.

Pré-requis : Connaitre l’algorithmique et maitriser un autre langage de programmation (niveau Bac+3 ou équivalent). Maitriser les bases de la programmation en python.

Effectif : 4 à 12 personnes
 

Programme

Jour 1 - Le langage python et la programmation objet

1. Eléments du langage python
• Notion de variables dynamiques, initialisation, portée d’une variable, affectation, opérateurs
• Structures de contrôle : branchements, boucles, itérateurs et générateurs
• Fonctions et librairies classiques. Arguments d’une fonction. Passage de paramètres par nom
• Entrées / sorties sur fichiers ASCII. Formatage des sorties

2. La programmation objet avancée
• Intérêt, concept de classe, apport de l’approche objet
• Constructeur, destructeurs, méthodes magiques
• Attributs et méthodes, méthodes statiques, accesseurs et décorateurs
• Surcharge d’opérateurs
• Fonction sur les objets
• Gestion des exceptions
 

Jour 2 - Les Librairies avancées

• Construire un tableau Numpy
• Modifier le profil d’un tableau. Copie et référence
• Référencer les éléments d’un tableau. Notion de slicing
• Calcul numérique vectoriel. Opérations sur les matrices
• Application : résolution d’un système linéaire par la méthode du pivot. Gestion des exceptions
• Représenter des données avec Matplotlib et Plotly. Limitations
• Module et sous-modules de Scipy
• Stocker les données dans une matrice creuse. Quel format choisir ?
• Application : résolution de systèmes linéaires par la méthode du gradient conjugué
• Module Pandas : manipulation facile de données tabulées (DataFrames) à analyser
• Utilisation des fichiers HDF5 avec Pandas
 

Jour 3 - DéveLoppement de mini-proJets

• Projet Graphe1D : représentation de données et ajustement d’une fonction polynomiale.
• Projet Convolution : application du sous-module ndimage de la libraire Scipy
• Projet Modes propres d’une corde : manipulation de listes et de matrices Numpy.
• Résolution numérique d’une équation différentielle d’ordre n.

Des extensions du programme sont possibles sur mesure à la demande, par exemple dans le domaine des interfaces graphiques (librairie PyQt) ou du machine learning (librairie Scikit-learn).