Skip to content
Korben, roi d’internet, logo bébé avec des lunettes en mode thug life

Un environnement de développement scientifique en Python

Tu aimes mon contenu ? Tu veux de l’exclusivité ? Alors rejoins-moi sur Patreon !

Si vous êtes scientifique, ingénieur ou encore data analyst, vous savez comme il est parfois compliqué d’éditer, d’analyser ou encore explorer des jeux de données complexes. Et je ne vous parle pas de leur visualisation.

Heureusement, pour cela il y a un langage de développement parfait et très utilisé par la communauté scientifique : Python.

Il y a d’ailleurs un bouquin chez ENI écrit par Amandine Velt (Ingénieure en bio-informatique) qui traite de l’analyse des données scientifiques avec Python avec une approche très pratique (NumPy, Pandas, Matplotlib, Seaborn…etc) que je vous invite à vous procurer si vous vous intéressez au sujet.

Il existe évidemment des outils pour vous aider, mais la plupart sont payants ou incomplets. C’est pourquoi aujourd’hui je vous propose de découvrir Spyder.

Spyder est un environnement scientifique écrit en Python qui est très puissant puisqu’il intègre de nombreuses fonctionnalités dédiées à l’analyse de données, qui peuvent être étendues à l’aide de plugins ou d’une API.

Spyder se compose donc d’un éditeur qui vous permet d’écrire votre code python, d’une console interactive pour débugger votre code ou sortir des graphiques directement depuis la ligne de commande.

Je n’oublie pas non plus la visionneuse de documentation qui permet de sortir de la doc en temps réel avec Sphinx, et cela pour n’importe quelle classe ou fonction utilisée dans l’éditeur ou la console.

Vous trouverez également dans Spyder, un explorateur de variable pour inspecter les variables, mais aussi les fonctions ou les objets présents dans votre code afin de pouvoir les modifier ou interagir avec.

Spyder propose également toute une série d’outils de développement pour organiser vos projets, analyser votre code, y effectuer des recherches, suivre son exécution lors du debug ou encore optimiser ses performances.

Pour tester l’outil, pas besoin de l’installer puisqu’une version de test 100% en ligne est disponible ici. Après si vous voulez l’installer sur votre ordinateur, vous pouvez passer par Anaconda ou prendre un des installeurs pour macOS ou Windows disponible ici. Rassurez-vous, ça fonctionne aussi sous Linux.

La page Github du projet est ici.


Les articles du moment