Scribd
Importer
0 vues2 pages

TP Pandas Matplotlib Debutant

Ce TP enseigne l'analyse de données avec Pandas et Matplotlib en utilisant trois fichiers CSV sur les jours de la semaine, les régions et la population mondiale. Les exercices incluent l'importation, le nettoyage, la fusion des données, ainsi que des requêtes et visualisations. À la fin, les résultats sont sauvegardés dans un fichier CSV et une réflexion sur l'apprentissage est demandée.

Transféré par

rahmaa.ben.slimane
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0 vues2 pages

TP Pandas Matplotlib Debutant

Ce TP enseigne l'analyse de données avec Pandas et Matplotlib en utilisant trois fichiers CSV sur les jours de la semaine, les régions et la population mondiale. Les exercices incluent l'importation, le nettoyage, la fusion des données, ainsi que des requêtes et visualisations. À la fin, les résultats sont sauvegardés dans un fichier CSV et une réflexion sur l'apprentissage est demandée.

Transféré par

rahmaa.ben.slimane
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

TP : Introduction à l’Analyse de Données avec

Pandas et Matplotlib

Contexte :
Dans ce TP, vous allez manipuler et analyser des données réelles issues de trois fichiers CSV :
[Link] : contient le premier jour de la semaine par pays. [Link] :
regroupe les pays selon quatre grandes régions du monde. [Link] : donne la population
mondiale par pays en 2020. L’objectif est d’apprendre à importer, nettoyer, fusionner et visualiser
des données à l’aide des bibliothèques pandas et matplotlib.

Environnement de travail :
Vous pouvez exécuter ce TP sur : Google Colab (aucune installation requise) VS Code avec
Python et les bibliothèques installées : pip install pandas matplotlib

Exercice 1 : Importation et exploration des données


1. Importez les bibliothèques pandas et [Link].
2. Lisez les trois fichiers CSV dans trois DataFrames distincts.
3. Affichez les 5 premières lignes de chaque DataFrame.
4. Affichez les informations générales (.info()) et les valeurs manquantes (.isna().sum()).

Exercice 2 : Nettoyage et préparation des données


1. Supprimez les lignes contenant des valeurs manquantes avec dropna().
2. Renommez les colonnes si nécessaire pour faciliter les fusions (ex : “Country” ou “Region”).
3. Ajoutez une nouvelle colonne indiquant la première lettre du pays (df['FirstLetter']).

Exercice 3 : Fusion des jeux de données


1. Fusionnez [Link] avec [Link] selon la colonne Country.
2. Ajoutez ensuite les données de [Link] pour obtenir un seul tableau global.
3. Vérifiez le nombre de lignes après chaque fusion.

Exercice 4 : Requêtes et calculs


1. Utilisez query() pour extraire les pays ayant une population supérieure à 100 millions.
2. Utilisez eval() pour créer une nouvelle colonne calculant la population en millions
(Population_Millions = Population / 1_000_000).
3. Triez les pays selon la population décroissante (.sort_values()).

Exercice 5 : Visualisation des données


1. Créez un graphique à barres représentant la population des 10 pays les plus peuplés.
2. Ajoutez un titre, un label d’axe, et affichez le graphique.
3. Créez un graphique circulaire représentant la répartition de la population par région.
Exercice 6 : Sauvegarde et conclusion
1. Enregistrez le DataFrame final dans un nouveau fichier CSV appelé global_data.csv.
2. Décrivez en quelques lignes ce que vous avez appris durant ce TP.

Sources des données :


- First day of the week : Unicode CLDR Supplemental Data, Territory Information ([Link])
- Population 2020 : UN POP via [Link]
- Four regions : [Link]

Vous aimerez peut-être aussi