Un toolkit Python complet pour l'analyse statistique et le traitement des données, conçu pour être simple d'utilisation tout en offrant des fonctionnalités avancées.
pip install py-stats-toolkit==1.0.3git clone https://github.com/ThePhoenixAgency/py-stats-toolkit.git
cd py-stats-toolkit
pip install -e .- Calcul automatique de toutes les statistiques descriptives
- Gestion des valeurs manquantes
- Validation des données
- Régression linéaire simple et multiple
- Validation des hypothèses
- Diagnostics complets
- Matrices de corrélation
- Tests de significativité
- Visualisations avancées
- Graphiques statistiques professionnels
- Personnalisation complète
- Export en haute qualité
from py_stats_toolkit.stats import descriptives, regression, correlation
from py_stats_toolkit.visualization import plots
import pandas as pd
# Charger vos données
data = pd.read_csv('votre_fichier.csv')
# Statistiques descriptives
stats = descriptives.calculate_descriptive_statistics(data)
print(stats)
# Régression linéaire
model = regression.linear_regression(data, 'variable_cible', ['var1', 'var2'])
print(model.summary())
# Visualisation
plots.create_correlation_matrix(data)Le projet inclut plusieurs scripts pour automatiser la publication :
Publication PyPI 100% automatisée sans interaction utilisateur :
# Avec token PyPI
set TWINE_PASSWORD=ton_token_pypi
python publish_automated.py
# Ou avec fichier .pypirc
python publish_automated.pyPrépare le package pour publication manuelle :
python build_and_ready.pyPublication complète avec release GitHub (nécessite GITHUB_TOKEN) :
set GITHUB_TOKEN=ton_token_github
set TWINE_PASSWORD=ton_token_pypi
python release_and_publish.pyNettoie tous les fichiers cache et temporaires :
python clean_cache.pyLe projet utilise GitHub Actions pour l'automatisation :
- Création d'une release sur GitHub
- Déclenchement automatique du workflow
- Build et tests automatiques
- Publication PyPI automatique
- 🌐 Site officiel - Hébergé gratuitement sur GitHub Pages
- Documentation complète
- Exemples d'utilisation
- Guide de contribution
- Guide GitHub Pages - Comment avoir un domaine gratuit comme github.io
# Installation des dépendances de développement
pip install -r requirements-dev.txt
# Exécution des tests
python -m pytest tests/
# Avec couverture
python -m pytest tests/ --cov=py_stats_toolkit --cov-report=htmlLe projet suit les meilleures pratiques Python avec plusieurs outils de qualité :
# Formatage du code avec Black
black .
# Tri des imports avec isort
isort .
# Linting PEP8 avec flake8
flake8 .
# Vérification des types avec mypy
mypy py_stats_toolkit/
# Analyse de sécurité avec bandit
bandit -r py_stats_toolkit/- Black : Formatage automatique du code selon les standards PEP8
- isort : Organisation automatique des imports
- Flake8 : Détection des erreurs de style et de qualité
- MyPy : Vérification statique des types
- Bandit : Analyse de sécurité pour détecter les vulnérabilités
- Pytest : Framework de tests complet avec couverture
- numpy >= 1.20.0
- pandas >= 1.3.0
- scipy >= 1.7.0
- matplotlib >= 3.4.0
- seaborn >= 0.11.0
- statsmodels >= 0.13.0
- scikit-learn >= 1.0.0
- networkx >= 2.6.0
- deap >= 1.3.0
- pytest >= 7.0.0
- black >= 22.0.0
- isort >= 5.0.0
- flake8 >= 4.0.0
- mypy >= 0.900
Les contributions sont les bienvenues ! Consultez notre guide de contribution pour plus de détails.
Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.
- Email : [email protected]
- GitHub : ThePhoenixAgency
Version actuelle : 1.0.4 - Badges de qualité et conformité complète