Le document décrit les étapes pour analyser un jeu de données sur les notes d'étudiants en utilisant Pandas. Il montre comment importer les données dans un dataframe, les exporter/importer dans un fichier CSV/Excel, puis effectuer diverses analyses statistiques univariées et bivariées.
0 évaluation0% ont trouvé ce document utile (0 vote)
118 vues3 pages
Le document décrit les étapes pour analyser un jeu de données sur les notes d'étudiants en utilisant Pandas. Il montre comment importer les données dans un dataframe, les exporter/importer dans un fichier CSV/Excel, puis effectuer diverses analyses statistiques univariées et bivariées.
Le document décrit les étapes pour analyser un jeu de données sur les notes d'étudiants en utilisant Pandas. Il montre comment importer les données dans un dataframe, les exporter/importer dans un fichier CSV/Excel, puis effectuer diverses analyses statistiques univariées et bivariées.
Le document décrit les étapes pour analyser un jeu de données sur les notes d'étudiants en utilisant Pandas. Il montre comment importer les données dans un dataframe, les exporter/importer dans un fichier CSV/Excel, puis effectuer diverses analyses statistiques univariées et bivariées.
2 - Maintenant, vous allez ouvrir le fichier note.csv qui se trouve dans le même emplacement du fichier TP2.py et puis :
Copier son contenu puis le coller dans un nouveau classeur Excel
Convertir cette colonne en tableau à l’aide de la commande convertir du menu données Supprimer la première colonne Enregistrer le classeur Excel avec le nom note et le format CSV avec séparateurs ; dans le même emplacement du fichier note.csv pour écraser ce dernier 3 - Remplacer le contenu du fichier TP2.py par ce dernier :
# Importation des modules :
1 import pandas as pd import numpy as np # Lecture du fichier CSV df = pd.read_csv('note.csv', sep=" ;") # Affichage du contenu du fichier note.csv print(df)
4- Affichage de quelques informations diverses :
# informations diverses print("Le nombre de lignes et colonnes : ") print(df.shape) print("Le nombre de valeurs par colonne : ") print(df.count()) print("Les informations generale du tableau : ") print(df.info()) print("Afficher les entetes des colonnes par deux facons differentes : ") print(list(df.columns)) print(list(df))
5 - Affichage des statistiques :
# resume basique print("Affichage des statistiques descriptives univaries") print(df.describe()) print("Affichage des statistiques descriptives avec deux chiffres decimales") print(df.describe().round(2))
6 - Traitement des données quantitatives :
Remarque : Il est possible de sélectionner les variables soit via les crochets [], soit par un point .. Les fonctions ci-dessous permettent de décrire une variable quantitative (ici "Sexe").
# Quantitative : print("Informations quantitative sur la colonne Age : ") print(df.age.describe()) print(df["age"].describe()) print("La moyenne des Ages") print(df.age.mean())
2 print("echantillonnage sur les tranches d'ages : ") print(df.age.quantile([.01, .3, .9, .99]))
7 - Traitement des données qualitatives :
Pour les variables qualitatives, il y a plusieurs façons de faire pour obtenir la table d'occurrences (ou des effectifs), ainsi que la table des proportions des modalités.
# Qualitatives : print("Informations qualitative sur la colonne Sexe : ") print(df.Sexe.describe()) print("Liste des valeurs d'une colonne : ") print(df.Sexe.unique()) print("Compter le nombre de chaque valeur : ") print(df.Sexe.value_counts()) print("Afficher les valeurs sous forme de tableau : ") print(pd.crosstab(df.Sexe, "freq")) print("Afficher les valeurs en porcentage sous forme de tableau : ") print(pd.crosstab(df.Sexe, "freq", normalize=True))
8 - Traitement de données qualitatives - qualitative
# Traitement de donnees qualitatives - qualitatives : print("Affichage des observations par sexes :") print(pd.crosstab(df.Sexe, df.Observation)) print("Affichage des observations par sexes avec les totaux :") print(pd.crosstab(df.Sexe, df.Observation, margins=True)) print("Affichage des observations par sexes en pourcentages :") print(pd.crosstab(df.Sexe, df.Observation, normalize = True))
Définir Les Variables Et Afficher Leur Type Texte - Variable Bonjour Nombre - Entier - Variable 42 Nombre - Decimal - Variable 3.14 Printtype de La Variable Texte - Variable Typetexte - Variable
