Data & Analytics
Analyse de données avec les outils Python déjà installés dans la vraie vie.
Pourquoi cette catégorie
NumPy, DuckDB, pandas : l'écosystème data science Python fournit déjà les briques principales. Catnip utilise directement les objets Python : arrays NumPy, DataFrames, connexions SQL.
Pas besoin de rejouer la guerre des DataFrames. Les moteurs existent déjà ; Catnip orchestre.
Le broadcasting Catnip (.[op]) complète NumPy : même idiome pour les listes Python et les arrays NumPy.
Exemples
| Fichier | Module | Description |
|---|---|---|
numpy_climate.cat |
numpy | Analyse climatique, statistiques, vectorisation |
duckdb_analytics.cat |
duckdb | SQL analytique in-process, agrégations |
sqlalchemy_duckdb.cat |
sqlalchemy + duckdb | ORM complet, requêtes analytiques |
polars_parallel_ingest.cat |
polars | Ingestion parallèle de CSV avec ND-map (eager + lazy) |
polars_feature_engineering.cat |
polars | Règle métier Catnip @pure diffusée sur une colonne (broadcast, filter et group-by) |
Données
data/global-temp_annual.csv- Anomalies de température globale (source NASA GISS + NOAA GCAG)
Exécution
catnip codex/data-analytics/numpy_climate.cat
catnip codex/data-analytics/duckdb_analytics.cat
catnip codex/data-analytics/sqlalchemy_duckdb.cat
catnip codex/data-analytics/polars_parallel_ingest.cat
catnip codex/data-analytics/polars_feature_engineering.cat