Introduction
############

:Version: |version| du |today|
:Auteur: Yannick Copin `<ipnl.in2p3.fr>`

.. role:: python(code)
   :language: python

Pourquoi un module d'analyse scientifique ?
===========================================

* Pour *générer* ses données, p.ex. simulations numériques, contrôle
  d'expériences.
* Pour *traiter* ses données, i.e. supprimer les artefacts
  observationnels.
* Pour *analyser* ses données, i.e. extraire les quantités physiques
  pertinentes, p.ex. en ajustant un modèle.
* Pour *visualiser* ses données, et appréhender leur richesse
  multi-dimensionnelle.
* Pour *présenter* ses données, p.ex. générer des figures prêtes à
  publier.

Ce module s'addresse donc avant tout aux futurs expérimentateurs,
phénoménologistes ou théoriciens voulant se frotter à la réalité des
observations.


Pourquoi Python ?
=================

Les principales caractéristiques du langage `Python
<https://www.python.org/>`_:

- syntaxe simple et lisible: langage pédagogique et facile à apprendre
  et à utiliser;
- langage interprété: utilisation interactive ou script exécuté ligne
  à ligne, pas de processus de compilation;
- haut niveau: typage dynamique, gestion active de la mémoire, pour
  une plus grande facilité d'emploi;
- multi-paradigme: langage impératif et/ou orienté objet, selon les
  besoins et les capacités de chacun;
- logiciel libre et ouvert, largement répandu (multi-plateforme) et
  utilisé (forte communauté);
- riche bibliothèque standard: *Batteries included*;
- riche bibliothèque externe: de nombreuses bibliothèques de qualité,
  dans divers domaines (y compris scientifiques), sont déjà
  disponibles.

L'objectif est bien d'apprendre *un seul* langage de haut niveau,
permettant tout aussi bien des analyses rapides dans la vie de tous
les jours -- quelques lignes de code en intéractif -- que des
programmes les plus complexes (projets de plus de 100 000 lignes).


Comment lire ce cours?
======================

Ce cours a évolué au fil du temps, et inclut des parties destinées à différents
publics.

* Pour un (re)mise à niveau Python et une introduction à l'analyse
  scientifique, focalisez-vous sur:

  * :ref:`install`,
  * :ref:`cours`,
  * :ref:`standard`,
  * :ref:`science`,
  * :ref:`code`;

* Pour des concepts plus avancés, complétez avec:

  * :ref:`cours2`,
  * :ref:`science2`;

* Les outils de gestion de projet sont présentés dans:

  * :ref:`packaging`,
  * :ref:`git-scm`,
  * :ref:`documentation`,
  * :ref:`tests`.

* Les éléments liés à la Science des données sont:

  * :ref:`outils-statistiques`,
  * :ref:`data`.

* Des exercices de programmation Python de différents niveaux sont proposés
  dans la section :ref:`exercices`, et des mini-projets plus conséquents dans
  :ref:`projets`.

.. rubric:: Liens:

* `Getting Started <https://www.python.org/about/gettingstarted/>`_
* `Python Advocacy <https://docs.python.org/3.1/howto/advocacy.html>`_