Du notebook au tableau de bord
Partager des résultats réellement exploitables
Du notebook au tableau de bord est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Au-delà du notebook
Un notebook est très pratique pour vous, mais les parties prenantes n’exécuteront pas les cellules. Pour les atteindre, transformez votre analyse en tableau de bord partageable. 🚀
Pourquoi utiliser un tableau de bord
Un tableau de bord permet aux non-développeurs d’explorer vos résultats en direct, en filtrant et en cliquant au lieu de vous demander de relancer le code à chaque fois.
Statique ou interactif
Décidez-le rapidement : un rapport statique est un instantané fixe, tandis qu’une application interactive permet aux utilisateurs de modifier les entrées et de voir les mises à jour.
La solution la plus simple
Pour les utilisateurs de Python, Streamlit transforme un simple script en application web sans presque aucun code d’interface requis.
import streamlit as st
st.title("Sales Dashboard")Afficher un nombre
Une mesure principale fournit un contexte immédiat. Le composant de mesure de Streamlit affiche côte à côte une valeur et son évolution par rapport à un objectif.
st.metric("Revenue", "$1.2M", "+8%")Insérer un graphique
Transmettez directement à l’application n’importe quelle figure matplotlib ou plotly : elle s’affiche dans la page, en réutilisant les graphiques que vous avez déjà créés.
st.pyplot(fig)Ajouter un filtre
Un seul composant suffit à rendre les données explorables. Un selectbox permet aux utilisateurs de choisir une catégorie, et toute la page réagit à leur choix.
region = st.selectbox("Region", df["region"].unique())Mettre en cache les étapes lentes
Placez les chargements lourds dans un cache afin que l’application reste rapide : les données sont lues une seule fois, puis réutilisées lors de chaque interaction.
@st.cache_data
def load():
return pd.read_csv("sales.csv")L’exécuter localement
Vous lancez l’application depuis un terminal, et Streamlit la rend accessible dans votre navigateur afin que vous puissiez la tester avant de la partager largement.
streamlit run app.pyLa partager avec le monde
Envoyez le script dans un dépôt et déployez-le sur un hébergeur comme Streamlit Community Cloud afin de fournir à vos collègues une URL simple.
La garder fiable
Un tableau de bord en direct nécessite un suivi : actualisez ses données, indiquez la date de la dernière mise à jour et documentez les hypothèses afin que les utilisateurs continuent à lui faire confiance.
Vérification rapide
Pourquoi transformer une analyse réalisée dans un notebook en tableau de bord ?
Récapitulatif
Vous avez transformé un notebook en tableau de bord partageable avec Streamlit : mesures, graphiques, filtres, mise en cache et déploiement. La boucle entre les données et la décision est ainsi terminée. 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Du notebook au tableau de bord » est-elle gratuite ?
Oui — le texte complet de « Du notebook au tableau de bord » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Du notebook au tableau de bord » ?
Partager des résultats réellement exploitables Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Du notebook au tableau de bord » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Importance des variables et SHAP
- Intuition de la dépendance partielle
- Des graphiques qui convainquent les parties prenantes
- Du notebook au tableau de bord