Remerciez-le!

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

Tp2 : 1- Lancer IDLE Python, créer un nouveau fichier TP2.py puis coller le cod

Tp2 : 1- Lancer IDLE Python, créer un nouveau fichier TP2.py puis coller le code ci- dessous : # Importation des modules : import pandas as pd import numpy as np # Creation de l’objet dataframe : raw_data = {'Nom': ['Cherif', 'Mansour', 'Tijeni', 'Jridi', 'Amri'], 'Prenom': ['Seif', 'Jasem', ".", 'Marwa', 'Isam'], 'Sexe':['G','G','.','F','G'], 'age': [12, 12, 16, 14, 13], 'Controle': [4, 14, 11, ".", "."], 'Synthese': ["15,25", "14,75", 17, 12, 10], 'Observation':['Bien','Bien','Bien','Passable','Passable']} df = pd.DataFrame(raw_data, columns = ['Nom', 'Prenom', 'Sexe', 'age', 'Controle', 'Synthese', 'Observation']) # Creation du fichier CSV : df.to_csv('note.csv') # Lecture du fichier CSV df = pd.read_csv('note.csv', sep=",") # Affichage du contenu du fichier note.csv print(df) 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)) 3 uploads/Sante/ tp-2 3 .pdf