Le Projet

Vue d’ensemble

Analyse de données culinaires avec workflow complet : exploration → développement → visualisation → déploiement.

Processus de Développement

1. Exploration de Données (00_eda/)

  • Notebooks Jupyter d’analyse exploratoire

  • 9 notebooks organisés par thématique (tendances, saisonnalité, weekend, ratings)

  • Identification des patterns et insights

2. Développement Application (10_preprod/)

  • Transformation analyses notebook → modules Python réutilisables

  • Application Streamlit pour présentation interactive des résultats

  • Architecture modulaire (utils, visualization, data, exceptions)

3. Déploiement (20_prod/)

  • Pipeline CI/CD automatisé

  • Environnements preprod/prod séparés

  • Tests et validation continue

Correspondance EDA → Application

Chaque analyse Streamlit s’appuie sur un ou plusieurs notebooks EDA :

  • Analyse tendances ← 01_long_term/recipe_analysis_trendline.ipynb

  • Analyse saisonnalité ← 02_seasonality/recipe_analysis_seasonality.ipynb

  • Analyse weekend ← 03_week_end_effect/recipe_analysis_weekend.ipynb

  • Analyse ratings ← 01_long_term/rating_analysis.ipynb

Les notebooks contiennent l’exploration complète (statistiques descriptives, visualisations, tests d’hypothèses). L’application Streamlit présente les résultats de manière interactive.

Stack Technique

  • Python 3.13.7

  • Streamlit 1.50.0 (interface web)

  • DuckDB 1.4.0 (base OLAP)

  • Polars 1.19.0 (traitement données)

  • Plotly 5.24.1 (visualisations)

Environnements

Standards Appliqués

  • Type hinting complet

  • Tests unitaires pytest (93% coverage)

  • Documentation docstrings Google style

  • Validation PEP8 automatique

  • Gestion exceptions personnalisées

  • Pipeline CI/CD avec GitHub Actions