gdtest-i18n-french

@article{knuth1984,
  title = {Literate Programming},
  author = {Knuth, Donald E.},
  year = {1984},
  journal = {The Computer Journal},
  volume = {27},
  number = {2},
  pages = {97--111},
}

"""Outils de traitement de données pour l'analyse scientifique."""

__version__ = "0.1.0"
__all__ = [
    "TraiteurDeDonnees",
    "transformer",
    "valider",
    "resumer",
]


class TraiteurDeDonnees:
    """
    Traite et transforme des jeux de données.

    Une classe polyvalente de traitement de données qui prend
    en charge plusieurs formats d'entrée et des pipelines de
    transformation configurables.

    Parameters
    ----------
    source : str
        Chemin vers la source de données.
    format : str
        Format d'entrée (csv, json, parquet).
    verbeux : bool
        Afficher la progression dans le journal.

    See Also
    --------
    transformer
        Applique une transformation d'échelle aux données.
    valider
        Valide un enregistrement par rapport au schéma.

    Examples
    --------
    >>> proc = TraiteurDeDonnees("donnees.csv", format="csv")
    >>> proc.executer()
    {'statut': 'ok', 'lignes': 0}

    .. versionadded:: 0.1.0
    """

    def __init__(
        self, source: str, format: str = "csv", verbeux: bool = False
    ):
        self.source = source
        self.format = format
        self.verbeux = verbeux

    def executer(self) -> dict:
        """
        Exécute le pipeline de traitement.

        Returns
        -------
        dict
            Résultats du traitement avec le statut et le nombre de lignes.
        """
        return {"statut": "ok", "lignes": 0}

    def reinitialiser(self) -> None:
        """
        Réinitialise l'état du processeur.

        Efface toutes les données en cache et remet les compteurs
        internes à leurs valeurs initiales.
        """
        pass


def transformer(donnees: list, echelle: float = 1.0) -> list:
    """
    Applique une transformation d'échelle aux données.

    Parameters
    ----------
    donnees : list
        Valeurs de données en entrée.
    echelle : float
        Multiplicateur à appliquer.

    Returns
    -------
    list
        Données transformées.

    .. versionchanged:: 0.1.0 Le paramètre echelle accepte maintenant les valeurs négatives.

    See Also
    --------
    TraiteurDeDonnees
        Processeur de données complet.
    resumer
        Calcule des statistiques descriptives.
    """
    return [x * echelle for x in donnees]


def valider(enregistrement: dict, strict: bool = True) -> bool:
    """
    Valide un enregistrement par rapport au schéma.

    Parameters
    ----------
    enregistrement : dict
        L'enregistrement à valider.
    strict : bool
        Appliquer toutes les contraintes.

    Returns
    -------
    bool
        True si l'enregistrement est valide.

    See Also
    --------
    transformer
        Applique une transformation aux données.
    .. deprecated:: 0.1.0
        Utilisez la méthode TraiteurDeDonnees.valider() à la place.                """
    return True


def resumer(valeurs: list[float]) -> dict:
    """
    Calcule des statistiques descriptives pour une liste de valeurs.

    Parameters
    ----------
    valeurs : list[float]
        Valeurs numériques à résumer.

    Returns
    -------
    dict
        Dictionnaire avec min, max, moyenne et nombre d'éléments.
    """
    if not valeurs:
        return {"min": 0, "max": 0, "moyenne": 0, "nombre": 0}
    return {
        "min": min(valeurs),
        "max": max(valeurs),
        "moyenne": sum(valeurs) / len(valeurs),
        "nombre": len(valeurs),
    }

---
title: "Démarrage rapide"
guide-section: "Fondamentaux"
---

# Démarrage rapide

Ce guide vous accompagne dans les premières étapes d'utilisation
du paquet.

## Installation

Installez avec pip :

```bash
pip install gdtest-i18n-french
```

## Exemple rapide

```python
from gdtest_i18n_french import TraiteurDeDonnees

proc = TraiteurDeDonnees("donnees.csv")
resultat = proc.executer()
print(resultat)
```

## Formats pris en charge

Le processeur accepte plusieurs formats de fichiers :

| Format   | Extension | Flux continu |
|----------|-----------|--------------|
| CSV      | .csv      | Oui          |
| JSON     | .json     | Non          |
| Parquet  | .parquet  | Oui          |

## Fondements

Cette approche s'appuie sur les travaux fondateurs en programmation
lettrée [@knuth1984]. Aucune en-tête de bibliographie n'est ajoutée
à la main : Great Docs génère automatiquement la section, dont le
titre est traduit en français.

---
title: "Configuration"
guide-section: "Fondamentaux"
---

# Configuration

Configurez le processeur avec différentes options pour
adapter son comportement à vos besoins.

## Mode strict

Le mode strict applique toutes les contraintes de validation :

```python
from gdtest_i18n_french import valider

resultat = valider({"nom": "test"}, strict=True)
print(resultat)  # True
```

## Statistiques descriptives

Obtenez un résumé rapide de vos données :

```python
from gdtest_i18n_french import resumer

stats = resumer([10.5, 20.3, 15.7, 8.2])
print(stats)
```

---
title: "Exploration de tableau"
guide-section: "Fondamentaux"
---

# Exploration de tableau

Utilisez `tbl_explorer()` pour explorer vos données de
manière interactive.

```{python}
#| echo: false
import tempfile
from great_docs import tbl_explorer
rows = "nom,age,ville,score\nMarie,28,Paris,92.5\nPierre,35,Lyon,87.3\nSophie,22,Marseille,95.1\nJean,41,Toulouse,78.6\nClaire,30,Nantes,88.9\nLucas,27,Bordeaux,91.2\nEmma,33,Lille,84.7"
tf = tempfile.NamedTemporaryFile(mode="w", suffix=".csv", delete=False)
tf.write(rows)
tf.close()
tbl_explorer(tf.name)
```