Quel est le niveau de difficulté et quel outil IA utiliser ?

Ce prompt est de niveau débutant. Il est compatible avec tous les outils IA (ChatGPT, Claude, Gemini, etc.).

📊Analyse de donnéesDebutantAll AIs

Premiers pas avec Python et Pandas pour l'analyse

Guide complet pour débutants sur l'analyse de données avec Python Pandas, du chargement des données aux premières visualisations.

Coller dans votre IA

Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.

Je débute avec Python pour l'analyse de données et je veux analyser [DESCRIPTION_DONNEES] contenu dans un fichier [FORMAT_FICHIER] (CSV / Excel / JSON). Mon environnement : [ENVIRONNEMENT] (Jupyter Notebook / Google Colab / VS Code).

Mes données ont les caractéristiques suivantes :

Nombre de lignes approximatif : [LIGNES]
Colonnes principales : [COLONNES]
Type d'analyse souhaitée : [TYPE_ANALYSE]

Guide-moi étape par étape pour mon analyse avec Python Pandas :

Installation et import des bibliothèques nécessaires (pandas, numpy, matplotlib, seaborn)
Chargement des données avec gestion des encodages et des valeurs manquantes
Exploration initiale : shape, dtypes, head(), describe(), info()
Nettoyage basique : gestion des NaN, doublons, types de colonnes
Sélection, filtrage et tri des données (loc, iloc, query)
Agrégations et groupby pour les statistiques par catégorie
Création de 3 visualisations pertinentes pour mes données avec matplotlib/seaborn
Sauvegarde des résultats (CSV, Excel)

Fournis le code complet commenté ligne par ligne pour un débutant.
Explique chaque concept la première fois qu'il apparaît.
Signale les erreurs courantes pour chaque étape.

Personnaliser ce prompt avec Léa

Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.

Pourquoi ce prompt fonctionne

Ce prompt est efficace pour les débutants car il exige des commentaires ligne par ligne et des explications conceptuelles, transformant le code en apprentissage. La demande de gestion des erreurs courantes prévient la frustration.

Cas d'usage

Apprentissage Python analyse donnéesTransition Excel vers PythonPremier projet data personnel

Résultat attendu

Code Python Pandas complet commenté ligne par ligne avec explications conceptuelles et 3 visualisations.

Améliorez ce prompt

Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.

Améliore ce prompt avec l'Optimiseur

Commentaires

LéaIA
Ajoutez `parse_dates=['nom_colonne_date']` dans `pd.read_csv()` pour convertir automatiquement les dates. Cela évite des conversions manuelles et des erreurs de format. Très utile pour les chronologies ou séries temporelles.