Aller au contenu principal

Logiciels statistiques, langages et librairies

Logiciels statistiques open source​

Les logiciels de statistique et d’analyse de données sont devenus de nos jours des solutions indispensables pour toutes les entreprises et les plateformes désireuses de mesurer leurs données. Il existe des solutions open source très intéressantes. Nous vous présentons Jamovi et Jasp.

logiciels-statistiques

Jamovi​

jamovi est un nouveau tableur statistique de « 3ème génération ». Conçu dès le départ pour être facile à utiliser, Jamovi est une alternative convaincante aux produits statistiques coûteux tels que SPSS et SAS. Jamovi est construit sur le langage statistique R, vous donnant accès au meilleur de la communauté statistique. vous souhaitez le code R pour vos analyses ? Jamovi peut également fournir cela.

Lien vers Jamovi

Jasp​

JASP est un programme open source d'analyse statistique soutenu et maintenu par l'Université d'Amsterdam. Il est conçu pour être facile à utiliser et familier aux utilisateurs de SPSS. Il propose des procédures d'analyse standard sous leur forme classique et bayésienne.

Lien vers Jasp

Langages de programmation et librairies​

Python​

Python est un langage incontournable dans le monde de la data science. Simple à utiliser et performant, Il existe une multitude de librairies pour ajouter des fonctionnalités.

Lien pour installation de python

Librairies incontournables Python​

Ils existent de nombreuses librairies pour Python, en particulier dans les domaines du traitement et de l'analyse de données. Les librairies apportent des fonctionnalités de premiers plans. Voici une liste non exhaustive des principales librairies pour le langage Python. La page sera mise à jour régulièrement.

Pandas​

Cette librairie très utilisée en data science permet principalement de :

  • Simplifier les manipulations de données avec les dataframes (valeurs manquantes, colonnes, etc…) Manipuler les données devient un jeu d'enfant.
  • Permettre d’agréger et fusionner les données très facilement avec grâce aux fonctions groupby, agg et merge
  • Simplifier le calcul de moyenne, médiane, variance ou encore somme

Lien vers Pandas