Python pour les Sciences Humaines et Sociales

Introduction à la programmation pour le traitement de données. Ce livre propose de familiariser des débutants à la programmation Python et à plus long terme favoriser le développement d'une communauté francophone des utilisateurs de Python en SHS

Les codes associés au livre

L'ensemble des codes du manuel sont disponibles en ligne. Vous pouvez aussi directement les exécuter grâce à Binder (explications sur le dépôt aussi)

Dépôt GitHub du manuel

Des questions ou des erreurs, venez contribuer sur le dépôt GitHub du manuel.

Que trouverez-vous dans ce livre ?

Comment commencer à programmer en Python pour les Sciences Humaines et Sociales. Une introduction à la Programation par l'exemple.

Premiers exemples en ligne sans installation

Tester les capacités de Python sans rien installer sur votre ordinateur. Les Premiers exemples sont disponibles en ligne, et peuvent être exécutés et modifiés sans avoir besoin d'installer Python.

Python 3.8, Jupyter, Seaborn...

Utilisation des dernières versions de Python et des bibliothèques les plus connues de Python (matplotlib, pandas, seaborn, jupyter, networkx, cartopy, spacy...)

Minimum de code, maximum d'exemples

La puissance de Python est due à ses bibliothèques. Applications sur un jeu de données de l'INSEE.

Manipuler les données de tableur avec Pandas

Les données tabulaires sont au cœur de nombreux traitements en SHS. Apprenez à utiliser Pandas pour manipuler des tableaux de données plus rapidement et sûrement qu'avec un tableur.

Faire des cartes avec GeoPandas et Matplotlib

Pour les données géographique, GeoPandas et Matplotlib permettent de passer du tableau de données à la carte.

Analyse de text avec SpaCy

Les données non structurées (articles, tweets, interviews) font partie des données collectées en SHS. Apprennez à traiter ces données de la mise en forme à l'analyse textuelle.

Inclus

  • Exemples
  • Essayez les premiers exemples sans installer Python.
  • Analyse en Composante principale
  • Histogrammes
  • Diagramme en bulle
  • Nuage de mots
  • Analyse de réseau
  • Cartographie

Ce livre est-il pour vous ?

Nous avons choisi d'écrire ce livre pour répondre à un manque : l'absence de support pour se former à Python dans une perspective de Sciences Humaines et Sociales. Nous essayons donc de passer un temps minimal sur les concepts de programmation et plus sur ce qu'il est possible de faire avec Python pour permettre ensuite d'utiliser les nombreuses ressources existantes.

Étudiant.e en SHS

Vous aurez des données à analyser : partez avec les bonnes habitudes et commencer avec Python

Chercheur.se en SHS

Python est gratuit et permet de s'adapter à la particularité de vos traitements

Curieux.se

Vous voulez comprendre ce qu'il est possible de faire en Python
-->

Où trouver ce livre ?

Le manuel est actuellement disponible en version papier (noir et blanc). Préférez votre libraire locale si possible.

Ce manuel n'est pas encore disponible et paraîtra début décembre. (cette section sera mise à jour lors de la parution)

Book Reviews

See what our readers are saying.
"Je peux faire la couverture ?"
image
Camille Carvalho
Illustratrice
"Pourquoi faire du Python alors que R existe ?"
image
R Lover
Critique
"Nous aimons aussi beaucoup les serpents"
image
Boa Vista Social Club
Amis des serpents

About The Authors

image

Émilien Schultz

Émilien Schultz est chercheur en sociologie, agrégé en physique appliqué de l’ENS de Cachan. Il mène des recherches sur la science et l’innovation dans le cadre de collaborations interdisciplinaires au sein des SHS, des sciences expérimentales et médicales, avec un intérêt pour les différentes méthodologies d’enquête. http://eschultz.fr

image

Matthias Bussonnier

Matthias Bussonnier est biophysicien de formation, agrégé en physique de l’ENS de Cachan, Récipient du Prix ACM Software System pour son travail sur Jupyter avec l'Université de Berkeley et contributeur aux communauté et Open source et Python. Il développe des solutions avec Python tout en participant à l’amélioration de grand nombre de projets visant a améliorer l'utilisation des outils de programmation pour les sciences comme IPython et Jupyter.