Metadata-Version: 2.1
Name: stat_analys
Version: 0.1.0
Summary: Un package pour l'analyse statistique univariée
Home-page: https://github.com/Jean-Paul15/stat_analys
Author: ADOGLI Jean-Paul
Author-email: adoglijeanpaul@gmail.com
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.6
Description-Content-Type: text/markdown
Requires-Dist: pandas
Requires-Dist: numpy
Requires-Dist: seaborn
Requires-Dist: matplotlib
Requires-Dist: plotly
Requires-Dist: scipy
Requires-Dist: sklearn
Requires-Dist: tabulate
Requires-Dist: dataclasses
Requires-Dist: logging
Requires-Dist: warnings
Requires-Dist: collections

# Stat Analysis

`stat_analysis` est un package Python pour l'analyse statistique univariÃ©e avancÃ©e. Il permet de rÃ©aliser des analyses statistiques dÃ©taillÃ©es et de gÃ©nÃ©rer des visualisations pour les variables numÃ©riques et catÃ©gorielles.

## Installation

Installez le package en utilisant la commande suivante :

```bash
pip install stat_analysis
```

## Utilisation

Voici un exemple d'utilisation du package :

```python
import pandas as pd
from stat_analysis.advanced_univariate_stat import AdvancedUnivariateStat
from stat_analysis.configuration import ConfigurationPlot

# CrÃ©ation d'un DataFrame exemple
data = {
    'numerique': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'categorielle': ['A', 'B', 'A', 'C', 'B', 'A', 'C', 'B', 'A', 'C']
}
df = pd.DataFrame(data)

# Configuration des paramÃ¨tres de visualisation
config = ConfigurationPlot(theme_plotly="plotly_dark", theme_seaborn="darkgrid")

# CrÃ©ation de l'objet d'analyse
stat = AdvancedUnivariateStat(config)

# Analyse statistique avancÃ©e
resultats = stat.analyse_statistique_avancee(df, colonnes=['numerique', 'categorielle'], afficher_plots=True)
```

## FonctionnalitÃ©s

- **Analyse statistique descriptive** : Moyennes, mÃ©dianes, Ã©cart-types, etc.
- **Tests de normalitÃ©** : VÃ©rifiez si vos donnÃ©es suivent une distribution normale.
- **Calcul des intervalles de confiance** : Obtenez des estimations robustes de vos donnÃ©es.
- **Visualisations** : Graphiques interactifs avec Plotly et esthÃ©tiques avec Seaborn.

## Contribution

Les contributions sont les bienvenues !

1. Ouvrez une issue pour discuter de vos idÃ©es d'amÃ©lioration ou signaler des bugs.
2. Faites un fork du dÃ©pÃ´t.
3. Apportez vos modifications et soumettez une pull request.

Nous serons ravis de collaborer avec vous !
# stat_analysis
