Il est courant de se retrouver dans une situation où, après avoir obtenu un nouveau jeu de données, on passe plusieurs heures à gérer les valeurs manquantes, à encoder les variables catégorielles ou à normaliser les caractéristiques. Et ce, chaque fois que l’on travaille sur un nouveau projet, on réécrit souvent les mêmes morceaux de code pour réaliser une analyse exploratoire des données. C’est pourquoi, lors d’un projet récent, j’ai pensé : « Pourquoi ne pas pouvoir préparer les données de manière interactive en cliquant simplement ? » Et la réponse est : c’est possible. Dans cet article, nous allons créer un outil de préparation et de visualisation des données, un « EDA Playground », à l’aide de Streamlit. Il s’agira d’une application web interactive permettant d’uploader un fichier CSV, d’explorer le jeu de données, de le nettoyer de manière dynamique et même de télécharger le fichier nettoyé. Pourquoi utiliser Streamlit ? Pour ceux qui ne connaissent pas encore Streamlit : c’est une bibliothèque Python qui transforme rapidement des scripts en applications web interactives. Elle est idéale pour créer des tableaux de bord, des expériences ou des outils internes. Grâce à sa simplicité et à sa flexibilité, elle permet de concevoir des interfaces utilisateur sans avoir à maîtriser les langages de développement web. Notre application aura plusieurs fonctionnalités clés. Tout d’abord, elle permettra à l’utilisateur de charger un fichier CSV. Ensuite, elle affichera un aperçu des données, avec des statistiques descriptives et une visualisation des colonnes. L’utilisateur pourra ensuite effectuer des opérations de prétraitement comme remplir les valeurs manquantes, encoder les variables catégorielles ou normaliser les données. Chaque modification sera enregistrée et affichée en temps réel, permettant une analyse immédiate. Enfin, une fois le nettoyage terminé, l’utilisateur pourra télécharger le jeu de données modifié. Le but de cet outil est de simplifier le processus d’analyse exploratoire des données en offrant une interface intuitive. Il évite les répétitions de code et permet de tester différentes approches de prétraitement sans avoir à écrire à chaque fois des scripts longs et complexes. En suivant ce tutoriel, vous apprendrez à utiliser Streamlit pour créer une application fonctionnelle. Nous détaillerons les étapes de l’upload des données, de leur affichage, de leur manipulation et de leur export. L’objectif est de vous fournir un modèle réutilisable que vous pourrez adapter à vos propres besoins. Cet outil est particulièrement utile pour les développeurs, les data scientists ou même les analystes qui souhaitent gagner du temps dans leur workflow. Il s’agit d’une solution simple, mais efficace, qui peut être étendue à l’avenir avec des fonctionnalités supplémentaires comme l’analyse statistique avancée, les graphiques interactifs ou l’intégration de modèles prédictifs. En résumé, la création d’un EDA Playground avec Streamlit est une excellente manière d’automatiser et d’interagir avec le processus de préparation des données. Cela permet de se concentrer davantage sur l’analyse et l’interprétation plutôt que sur les tâches répétitives.