Si votre difficulté est de transformer deux CSV en une table fiable, commencez par Wes McKinney. Si votre table est prête et que vous devez évaluer une prédiction, choisissez Aurélien Géron. Le premier ouvrage comparé ici est en anglais et le second en français. Avant de commander, vous pouvez essayer ci-dessous un problème de chaque type.
Quelles éditions compare-t-on ?
| Critère | Wes McKinney | Aurélien Géron |
|---|---|---|
| Livre | Python for Data Analysis, 3e éd., O’Reilly, 2022 | Machine Learning avec Scikit-Learn, 3e éd., Dunod, 2023 |
| Édition papier visée | Anglais, ISBN 9781098104030 | Français, ISBN 9782100847686 |
| Travail central | Charger, nettoyer, joindre et agréger des données avec pandas et NumPy | Construire un modèle, comparer ses résultats et choisir une méthode de validation |
| Pour se faire une idée | La troisième édition se lit en ligne chez l’auteur | L’éditeur présente le sommaire et un extrait. L’auteur partage aussi ses notebooks. |
Comparaison documentaire réalisée le 11 novembre 2026 à partir des sommaires, des ressources des auteurs et des deux éditions identifiées. Les exercices ci-dessous sont des exemples originaux de The Pingouin. Édition en ligne de McKinney et présentation de l’édition française chez Dunod.
Quel problème aimeriez-vous savoir résoudre ?
Premier cas. Vous avez trois commandes de 60, 40 et 30 euros. Les deux premières appartiennent au client A, la troisième au client B. Votre fichier clients contient deux lignes portant la clé A et une seule portant la clé B. Après une jointure sur cette clé, combien de lignes et quel montant total allez-vous obtenir ?
Afficher le résultat et le parcours conseillé
La jointure produit cinq lignes, dont deux de 60 euros et deux de 40 euros. Le total passe de 130 à 230 euros. Le second enregistrement A duplique chacune des deux commandes de ce client. Avant de retirer une ligne, il faut comprendre pourquoi la clé A apparaît deux fois et quelle information client doit être retenue. Le parcours McKinney vous aidera à aborder ces questions de clés, de jointures et de données manquantes. Vous pouvez reproduire ce type d’erreur avec notre cas sur les doublons dans une jointure pandas.
Second cas. Vous souhaitez prévoir le comportement de clients encore inconnus. Un même client apparaît plusieurs fois dans votre historique et certaines de ses commandes se retrouvent des deux côtés de votre séparation entraînement/test. À quelle question votre score répond-il alors ?
Afficher le diagnostic et le parcours conseillé
Le test peut inclure des clients dont le modèle a déjà vu d’autres commandes. Le score renseigne mal sur votre objectif de prédiction pour des clients entièrement nouveaux. Séparez les clients avant d’entraîner le modèle et comparez les résultats sur les groupes laissés de côté. Le parcours Géron est le plus pertinent si votre question porte sur la construction et l’évaluation du modèle. Pour pratiquer ce cas précis, essayez aussi notre exemple de validation par groupes.
Par quel chapitre commencer ?
Chez McKinney, ouvrez le chapitre 8 sur la combinaison des tables puis le chapitre 10 sur les regroupements. Appliquez une opération à vos propres données et vérifiez le nombre de lignes avant et après. Si cette version vous convient à l’écran, vous pouvez continuer toute votre lecture en ligne. Chapitre 8 en accès libre et chapitre 10 en accès libre.
Chez Géron, commencez par le projet de machine learning de bout en bout. Notez où sont définis le jeu de test et la préparation des données. Vous saurez ainsi si le rythme vous convient avant de passer aux modèles plus spécialisés. Notre présentation du volume français précise le périmètre du livre et le lien avec les notebooks de l’auteur.
Où retrouver les deux éditions papier ?
- Voir Python for Data Analysis, 3e édition en anglais, sur Amazon.
- Voir Machine Learning avec Scikit-Learn, 3e édition en français, sur Amazon.
