Le deuxième volet des Python Diaries, une série où je détaille mes expériences, mes réflexions et mes difficultés à apprendre Python.

À moins que vous n'ayez vécu sous un rocher au cours de la dernière décennie, Python est un langage de programmation qui est devenu une industrie de base de la science des données. Apprendre Python est quelque chose que j'avais sur ma liste de choses à faire depuis un moment, et j'ai enfin le temps libre pour m'engager à l'étudier, grâce à mon travail d'enseignant à temps partiel en Espagne !

Ces dernières années, les employeurs ont commencé à adopter Python en nombre croissant. J'ai lu que, par rapport à R, Python est plus adapté aux applications Web à grande échelle , à l'apprentissage en profondeur et à l'apprentissage automatique . Mon intérêt pour l'apprentissage automatique et mon désir général d'apprendre de nouvelles techniques et technologies donnent l'impression que connaître un peu Python serait non seulement intrigant mais nécessaire !

Remarque : Au bout du compte, à supposer que l'on ait une totale liberté de choix pour la programmation, la réponse est généralement simple : peu importe ! Les outils ne sont rien de plus que des outils , ils doivent donc être choisis avec soin en fonction de l'objectif et de la situation.

Dans ce projet, j'ai pratiqué les concepts suivants :

• Création d'un bloc-notes Jupyter
• Importation d'un fichier .csv
• Installation et importation de packages (Pandas, Numpy, Matplotlib, Seaborn)
• Données de nettoyage
• Manipulation des données
• Exécution d'une analyse statistique inférentielle de base
• Résumé des données
• Visualisation des données (histogramme, histogramme, box plot)
• Création de commentaires
• Réglage du format d'affichage des données
• Données de sous-ensemble

J'ai trouvé des données sur l'isolement cellulaire dans les établissements de détention aux États-Unis dans Data is Plural , un bulletin hebdomadaire dont l'objectif est de trouver des ensembles de données intéressants et utiles sur Internet.

Manipulation des données

Ici, j'ai fait une manipulation rapide des données existantes en trouvant d'abord le décompte de la nationalité des détenus pour les 20 premiers pays. Ensuite, j'ai converti ces chiffres en pourcentages pour avoir une meilleure idée de la prévalence de certaines nationalités. Par exemple, la citoyenneté mexicaine représente plus d'un tiers des détenus des établissements de détention dans cet ensemble de données ! La prévalence de la citoyenneté jamaïcaine m'a également marqué (3,11 %). Ensuite, j'ai fait un graphique à barres rapide visualisant les mêmes informations.

Résumé des données

L'image ci-dessous détaille les statistiques récapitulatives de notre variable d'intérêt 'days_solitary'. La durée moyenne de l'isolement cellulaire est de 32,72 jours. La médiane est de 20 jours. Étant donné que les valeurs moyennes et médianes sont si différentes, il existe probablement une distribution à droite asymétrique. En d'autres termes, certains détenus passent beaucoup de temps en isolement cellulaire, ce qui fait augmenter la durée moyenne. La propagation va de 0 jour à 781 jours en isolement cellulaire.

Visualisation des données (histogramme, histogramme, box plot)

La première visualisation que nous avons ici est un histogramme, qui est essentiellement une représentation graphique des statistiques récapitulatives ci-dessus. La distribution de la variable « jours_isolement » est asymétrique à droite, ce qui signifie qu'il y avait de nombreux détenus qui étaient en isolement cellulaire pendant de courtes périodes, tandis que quelques détenus étaient en isolement cellulaire pendant de longues périodes. Puisque la distribution est asymétrique à droite, cela signifie que la moyenne est supérieure à la médiane, car les valeurs aberrantes tirent la moyenne vers le haut.

La deuxième image est un diagramme de densité, qui lisse essentiellement l'histogramme et montre la densité relative du nombre de jours en isolement cellulaire. La troisième image superpose la deuxième image sur la première afin de pouvoir les comparer facilement.

Vous trouverez ci-dessous un graphique illustrant les comptes pour les différentes raisons pour lesquelles un détenu a été placé en isolement cellulaire. Nous constatons que les raisons disciplinaires constituent la majorité des raisons, tandis que la « garde à vue : autre sécurité des détenus » arrive en deuxième position. Le grand nombre de raisons médicales pour lesquelles une personne pourrait être placée à l'isolement me dépasse.

Ci-dessous se trouve le même graphique à barres créé à l'aide de Seaborn qui représente le nombre de détenus dans chaque État. Nous voyons que la Californie compte le plus de détenus dans l'ensemble de données, suivie du Texas, de l'Arizona et de la Géorgie. La seule différence entre les deux bargraphes est que celui de gauche a le thème de coloration par défaut tandis que celui de droite a un thème de coloration personnalisé. Ici, le but était de me familiariser davantage avec les thèmes que je pouvais créer avec Seaborn ! En règle générale, j'essaie de m'en tenir à des palettes de couleurs adaptées aux daltoniens, afin que mon travail soit plus accessible.

Dans la boîte à moustaches illustrée ci-dessous, j'ai utilisé Seaborn pour regrouper les détenus en fonction de l'état dans lequel ils sont détenus avec l'intention de voir si le nombre de jours en isolement variait selon l'état. Il est possible que différents États aient des lois distinctes concernant la durée pendant laquelle un détenu peut être en isolement cellulaire.

Réflexions générales :

Après le dernier Python Diaries, j'ai voulu me lancer immédiatement dans l'analyse géospatiale ou les régressions linéaires, mais j'ai réalisé qu'il valait mieux se familiariser avec les concepts de base de Python avant de passer à quelque chose de plus compliqué.

J'étais tellement excité de plonger dans le monde de la science des données et d'apprendre toutes les bibliothèques et techniques intéressantes. Mais j'ai vite réalisé qu'avant même de pouvoir penser à utiliser ces bibliothèques, j'avais besoin d'avoir une solide compréhension des bases. En matière de science des données, tout comme dans de nombreux domaines STEM, comprendre les bases est comme la fondation d'une maison. Si la fondation est faible, le reste de la maison s'effondrera. Mais avec une base solide, il est possible de tout construire.

C'était vraiment gratifiant de travailler avec cet ensemble de données en raison de toutes les façons potentielles dont il peut être utilisé pour aider les gens et les communautés. La science des données peut être un outil puissant pour promouvoir le bien social, en particulier lorsqu'il s'agit d'analyser des problèmes complexes tels que l'isolement cellulaire dans les établissements de détention. En utilisant des techniques telles que l'apprentissage automatique et l'analyse statistique, les scientifiques des données peuvent découvrir des modèles et des informations qui pourraient autrement passer inaperçus. Par exemple, dans le contexte de l'isolement cellulaire, la science des données peut être utilisée pour analyser de grandes quantités de données sur les conditions et les résultats de cette pratique, telles que la durée de l'isolement des individus, l'impact sur leur santé mentale et la corrélation entre l'isolement cellulaire et la récidive. Par conséquent, ces informations peuvent être utilisées pour éclairer les efforts politiques et de plaidoyer visant à réduire le recours à l'isolement cellulaire et à améliorer les conditions des personnes incarcérées. De plus, la science des données peut également être utilisée pour surveiller et évaluer l'efficacité de ces efforts au fil du temps.

Maintenant que je suis à la recherche de mon premier emploi d'entrée de gamme en science des données, je sais que les compétences que j'ai acquises en me concentrant sur les bases de Python m'aideront !

Ce que je veux apprendre pour Python Diaries #3 :

La prochaine fois, je veux faire passer mes compétences Python au niveau supérieur en bricolant avec des données géospatiales ou en exécutant des régressions linéaires simples .

Vous voulez voir mon code ? → Git Hub

Vous voulez voir mes expériences passées? → LinkedIn