Liens
IA / Agents
Développeurs
Fondation pour la Recherche
gdtest-i18n-french
Outils de traitement de données pour l’analyse scientifique.
Fonctionnalités
- Traitement de données multi-format (CSV, JSON, Parquet)
- Validation de schéma configurable
- Statistiques descriptives intégrées
Licence
MIT
i18n test with French (Latin script). Sets site.language: fr and enables announcement banner, GitHub widget, user guide, dark mode, back-to-top, copy code, page metadata, sidebar filter, and reference switcher. Verifies all UI strings render in French.
Source files
gdtest_i18n_french/
__init__.py
"""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),
}user_guide/
01-demarrage-rapide.qmd
---
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 |02-configuration.qmd
---
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)
```03-table-explorer.qmd
---
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)
```README.md
# gdtest-i18n-french Outils de traitement de données pour l'analyse scientifique. ## Fonctionnalités - Traitement de données multi-format (CSV, JSON, Parquet) - Validation de schéma configurable - Statistiques descriptives intégrées ## Licence MIT
great-docs.yml
site: language: fr announcement: Bienvenue ! Consultez notre nouveau guide de démarrage rapide. github_url: "https://github.com/test-org/gdtest-i18n-french" dark_mode_toggle: true back_to_top: true copy_code: true page_metadata: true funding: name: Fondation pour la Recherche