Traitement de données en tables : CSV, sélection, tri, fusion
Complétez de mémoire, puis vérifiez avec la page de corrigé.
Résultats sportifs, horaires de trains, données ouvertes de l'État : une grande partie des données du monde est rangée en tables. Savoir les lire, filtrer, trier et croiser en Python, c'est la base de l'analyse de données.
Une table de données
Définition — table :
Définition — CSV :
Règle
Sélectionner et trier
Règle
Fusionner des tables
Définition — fusion (jointure) :
Règle
Exemple
Trier les élèves par moyenne décroissante.
7.
8.
9.
Résultat :
Piège
Trier des nombres lus dans un CSV sans les convertir.
Convertir avec int ou float dans la clé de tri.
Exploiter une table CSV
11.
12.
13.
14.
Ai-je défini le vocabulaire ?
Mon code est-il testé sur un exemple ?
Ai-je traité les cas limites ?
Ai-je justifié la complexité ou le résultat ?
Corrigé · à détacher
Traitement de données en tables : CSV, sélection, tri, fusion
1.Ensemble d'enregistrements ayant les mêmes descripteurs (colonnes). En Python, on la représente par une liste de dictionnaires : chaque dictionnaire est une ligne.
2.Format texte où chaque ligne est un enregistrement et les valeurs sont séparées par un délimiteur (virgule ou point-virgule). La première ligne contient les descripteurs.
3.Lecture : import csv puis list(csv.DictReader(fichier, delimiter=";")). Les valeurs lues sont des chaînes : il faut les convertir (int, float).
4.Sélection par compréhension : [l for l in table if l["pays"] == "France"]. Projection : [l["nom"] for l in table]. Tri : sorted(table, key=lambda l: int(l["age"]), reverse=True).
5.Croisement de deux tables qui partagent un descripteur commun (une clé) pour produire des lignes enrichies.
6.Il faut vérifier la cohérence : doublons, valeurs manquantes, formats différents (« 03 » et « 3 »).
7.Convertir la moyenne en nombre : float(l["moyenne"]).