Formation · Débutant · Fondamentaux
Python pour les données de programme
Le Python dont un chargé de suivi-évaluation a réellement besoin — environnements, pandas, dates, codes catégoriels et formats de fichiers — enseigné sur des exports d'enquêtes et de registres plutôt que sur des données factices.
Ce que vous saurez faire
- Installer et reproduire un environnement Python fonctionnel sur une machine sans connexion fiable, et expliquer pourquoi un Python système est le mauvais endroit où travailler
- Lire un export CSV, Excel ou à largeur fixe sans perdre un zéro initial, sans se tromper de date, et sans laisser une valeur sentinelle entrer dans une moyenne
- Sélectionner, filtrer et regrouper un DataFrame pandas délibérément, et expliquer ce que dit le SettingWithCopyWarning plutôt que de le masquer
- Calculer correctement âges, périodes de rapportage et désagrégations par tranche d'âge, y compris l'arithmétique en mois dont dépend un standard de croissance
- Écrire un script qu'un autre chargé pourra exécuter au trimestre suivant sur un autre export, sans rien modifier d'autre que ses arguments
Normes et méthodologies
Ceci est un cours de Python, non un cours d’analyse. Il suppose que vous savez déjà ce qu’est un indicateur et pourquoi un dénominateur compte — c’est ce qu’enseigne Fondamentaux de l’analyse de données — et consacre son temps au langage lui-même : ce que pandas fait réellement, lesquels de ses réglages par défaut vous nuiront, et comment écrire quelque chose qui s’exécute encore quand vous n’êtes plus là.
Python uniquement. Son pendant à la feuille de route, R pour les données de programme, fait le même travail en R. Ailleurs sur cette plateforme, chaque technique est montrée dans les deux langages, car une équipe est le plus souvent partagée entre les deux ; ici la séparation est justement le principe, et couvrir les deux dans un seul cours diviserait par deux la profondeur de chacun.
Tout s’exécute sur de vrais jeux de données de la plateforme — le registre de dépistage par PB de douze communes de l’Artibonite, un extrait de vaccination au format DHIS2, un fichier de présence scolaire — avec les zéros initiaux, les codes sentinelles, les dates incohérentes et les inscriptions dupliquées que ces fichiers portent réellement. Aucun DataFrame factice de trois lignes : les erreurs que ce cours existe pour prévenir n’apparaissent pas sur trois lignes.
Vous n’aurez pas besoin d’internet dans la salle. La leçon 1 sert précisément à vous en assurer.
Mise en pratique
Lire les leçons ne remplace pas la pratique. Chacun de ces travaux applique la formation à un jeu de données sur lequel elle n'a pas été enseignée.
- Atelier · 90 minLe mois où personne n'a rapportéLa couverture penta3 d'un district semble s'effondrer en août. Construisez le script qui détermine s'il s'agit d'un échec du programme ou d'un échec de la notification, et faites-le survivre à l'export du trimestre suivant sans modification.
- Exercice · 45 minLire cet export sans le casserUn CSV, six défauts, et une lecture qui doit tous les survivre. Écrivez l'appel read_csv et les quatre contrôles qui prouvent qu'il a fonctionné, puis dites ce que chaque défaut aurait coûté.
Progression
Emporter hors ligne
L'intégralité de la formation en PDF composé — chaque leçon, chaque exemple de code, le dictionnaire des variables et les définitions d'indicateurs. Produit à partir de la même source que cette page.
La source LaTeX accompagne chaque PDF, afin qu'une organisation puisse adapter le support à sa charte ou intégrer une leçon à son propre kit de formation.