Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

RAPPORT De MINI-PROJET En Programmation avancée avec python Gestion d’un festiv

RAPPORT De MINI-PROJET En Programmation avancée avec python Gestion d’un festival Elaborée par : Tuteur : Imen Fatnassi Mm Olfa Mourali Ahmed Boumaiza Safa Lemjid Sujet : Gestion d’un festival Une association culturelle dispose de 2 salles de capacités respectives 600 et 300 places, cette association a pour but de créer des spectacles divers qui rassemble le théâtre, le cinéma, la musique et de mettre en place des rencontres avec le public et des animations diverses pour 2 ou 3 fois par mois. En période de festival, plusieurs spectacles sont proposés le même jour dans l’une ou l’autre salle à des heures différentes. Deux spectacles différents peuvent être proposés en même temps, cependant un même spectacle peut avoir lieu à une certaine heure dans une salle et à une autre heure dans l’autre en fonction du nombre des spectateurs attendus. Une représentation est donc individualisée par sa date, l’heure de la séance, le numéro de la salle et le code de spectacle. Pour suivre un tel spectacle l’association propose différentes tarifications : tarif normal pour public, tarif réduit pour les étudiants ou des enfants moins de 12ans, tarif places volantes qui est réservé aux collectivités comme les comités d’entreprise et les associations qui revendent à leurs adhérents des places prélevés sur des carnets de 100 places. L’acheteur de place volante doit envoyer un mail 24 heures avant les spectacles pour réserver sa place en période de festival, la distribution des billets à tarif normal ou réduit a pour lieu le guichet de public et la distribution de toutes les catégories de billets et réservation a lieu dans le bureau de gestion. En période hors festival, l’office du tourisme remplit pour certains spectacles le même rôle que le guichet de public et le bureau de gestion. Pour certains spectacles exceptionnels, l’arrêt des réservations peut être décidé lorsque le taux de remplissage de la salle atteint 75% , afin de laisser des billets disponibles au guichet. TAF : 1) L’association envisage d’automatiser l’ensemble des ces activités. 2) L’association souhaite dégager des indicateurs qui pourront l’aider à améliorer son activité future. Partie1 : Base de données On a commencé par la création de notre base de données «festival.db» et les différentes tables à partir du code python. Vous trouverez ci-joint des imprimes écrans sur le fichier «festival.db» aussi le diagramme de classe et le code python «db_create.py» Figure1:fichier «festival.db» Figure2:Digramme de classe Figure3:ficher «db_create.py» Dans cette partie, On vous présente le fichier «db_fonction.py» qui consiste à faire le remplissage de notre base Figure4:ficher «db_fonction.py» Extrait des tables «billet» et «representation» après l’exécution de code python: Figure5:table «billet» Figure6:table «representation» Partie2 : Analyse des données 1. Analyse d’un fichier CSV exporté de notre base de données : Dans cette partie, On vous présente les différents algorithmes de machine Learning appliquées sur notre un fichier CSV exporté depuis notre base de données avec des graphiques représentatives La première partie de code python «algo.py» consiste à faire une statistique sur la table «billet» et d'afficher des graphiques. Figure7:fichier «algo.py» Figure8:Resultat de l'excution de la figure7 Nous allons lire nos données des deux fichier csv «billet.csv» et «spectateur.csv» dans des DataFrame Pandas, en utilisant la méthode read_csv et affiche tous les noms de colonnes, la dimension du DataFrame, ce qui montre que DataFrame billet possède 49 lignes et 3 colonnes et DataFrame spectateur possède 49 lignes et 2 colonnes. On trouve une table de statistique pour chaque DataFrame Explication de premier table: Count: nombre de ligne pour chaque colonne Unique: les nombres des valeurs unique pour chaque colonnes Top: affiche le contenue de la colonne la plus fréquente Freq:affiche nombre la valeur top Ce graphique présente que la catégorie place est plus fréquente que normal et réduit ainsi nous montre que guichet de public est plus fréquent que bureau de gestion Ce graphique nous montre les différents âges des spectateurs donc on constate que les spectateurs de l'intervalle d’âge [73,80] sont les plus présentes dans le festival. Nous allons utiliser l’algorithme de régression linéaire C’est un algorithme qui va trouver une droite qui se rapproche le plus possible d’un ensemble de points. Le code python «Algo_Regression_Linear.py» consiste à faire une statistique sur les deux colonnes de table «representation» et d'afficher des graphiques Figure 11 :fichier «Algo_Regression_Linear.py» Nous allons lire les données de fichier CSV «representationV2.csv» Nous allons utiliser un graphe de type nuage de points (Scatter plot) pour visualiser les donnée Ces images représentent l’execution de progamme «Algo_Regression_Linear.py» Figure 12 :le nuage de point Figure 13 :Resultat d’éxecution Figure 11 Nous avons fait les calculs de variance et covariance de X et les coefficients de droit a et b. On voit bien que la ligne verte, approche le plus possible tous les points du jeu de données. Les coefficients de la droite y*=a+bx seront estimés par la méthode des moindres carrés. Figure 14 :Regression linéaire 2. Analyse de puis la base de données : a) Préparation des données : Dans cette partie, On vous présente les différents algorithmes de machine Learning et anlyse des données appliquées directement sur notre base de données avec des graphiques représentatives et des KPI utiles , on a centralisé le code dans le fichier « KpiExtract.py » Dans cette partie, On vous présente le fichier «KbiExtractor.py» Pour cela, on doit exporter les données des trois tables depuis notre base dans des Dataframe, ci- dessous le code qui fait l’affaire. Figure 14 :Construction des DataFrame Puis on va fusionner deux tables pour avoir des données avec la fonction « merge » pour obtenir une Dataframe contient les données avec la relation des clés étrangère. Pour avoir des données groupées, on va appliquer la fonction « groupby » pour avoir des données fiables. Figure 15 : Formatage des données Ci-dessous exemple d’un Dataframe composé de deux tables. Figure 16 : Résultat du formatage des données b) Appliqer les algorithmes d’analyse : Maintenant, on va utiliser les données des Dataframe pour avoir des graphiques représentatifs. Pour cela on a utilisé les bibliothèques « pandas » et « matplotlib ». Avec la bibliothèque Pandas, on va afficher les pourcentages des ventes des billet par type : Figure 17 : résultat du code pandas Avec la biothèque matplotlib on va afficher le nombre des spectacles par jours : Figure 17 : Résultat du code matplotlib uploads/Management/ imen-fatnassiahmed-boumaizasafa-lemjid.pdf