Pourquoi ce projet
Avant d'entraîner un modèle ou de construire un dashboard, il faut comprendre les données. meti_profil automatise cette première passe : structure du dataset, types détectés, valeurs manquantes, doublons, statistiques numériques, distributions catégorielles et corrélations.
L'objectif est simple : garder une API Python très directe, mais s'appuyer sur un moteur Rust rapide et fiable pour traiter les fichiers et produire des rapports exploitables.
Ce que la librairie permet
import meti_profil as mp
report = mp.ProfileReport("data.csv", title="My dataset")
report.to_html("profile.html")
report.to_file("profile.md")
La librairie lit CSV, Parquet et Excel, accepte aussi des DataFrames pandas ou polars, puis génère un rapport HTML interactif autonome ou un rapport Markdown structuré.
Ce que j'ai appris
- PyO3 et maturin permettent de livrer une API Python propre tout en gardant la logique critique côté Rust.
- Un bon rapport de profiling doit être lisible par un humain, mais aussi structuré pour être consommé par des outils et des agents.
- Le packaging multi-plateforme est une vraie partie du produit : publier des wheels Windows, macOS et Linux change directement l'adoption.