Scribd
Importer
0 vues4 pages

code py

Le document présente plusieurs exercices de calcul et d'analyse de données, incluant la somme, la moyenne, la note maximale et minimale d'une liste de notes, ainsi que la création d'un DataFrame avec des informations sur des employés. Il aborde également des statistiques descriptives comme la moyenne, la médiane et l'étendue d'une série de données, ainsi que la visualisation des ventes mensuelles. Enfin, il analyse les notes d'une classe d'étudiants en calculant la moyenne, le pourcentage de réussite et le meilleur étudiant.

Transféré par

emetzerampongo
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 DOCX, PDF, TXT ou lisez en ligne sur Scribd
0 vues4 pages

code py

Le document présente plusieurs exercices de calcul et d'analyse de données, incluant la somme, la moyenne, la note maximale et minimale d'une liste de notes, ainsi que la création d'un DataFrame avec des informations sur des employés. Il aborde également des statistiques descriptives comme la moyenne, la médiane et l'étendue d'une série de données, ainsi que la visualisation des ventes mensuelles. Enfin, il analyse les notes d'une classe d'étudiants en calculant la moyenne, le pourcentage de réussite et le meilleur étudiant.

Transféré par

emetzerampongo
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 DOCX, PDF, TXT ou lisez en ligne sur Scribd

# Données fournies

notes = [12, 15, 18, 10, 14, 17, 16]

# 1. Calcul de la somme

somme_notes = sum(notes)

# 2. Calcul de la moyenne

moyenne_notes = somme_notes / len(notes)

# 3. Note maximale

note_max = max(notes)

# 4. Note minimale

note_min = min(notes)

# Affichage des résultats

print("--- Exercice 1 ---")

print(f"Somme des notes : {somme_notes}")

print(f"Moyenne des notes : {moyenne_notes:.2f}")

print(f"Note maximale : {note_max}")

print(f"Note minimale : {note_min}")

#Exercice 2 : Manipulation de DataFrame Pandas

#Ce code crée le tableau sous forme de DataFrame et répond aux questions
d'analyse.

import pandas as pd

# 1. Création du DataFrame

donnees = {

'Nom': ['Alice', 'Bob', 'Carole', 'David'],

'Âge': [ 25,30,28,35],

'Salaire': [1200,1500,1400,1800]

df = [Link](donnees)

print("--- Exercice 2 ---")

# 2. Afficher les deux premières lignes

print("Deux premières lignes :")

print([Link](2))

# 3. Calculer le salaire moyen

salaire_moyen = df['Salaire'].mean()

print(f"\nSalaire moyen : {salaire_moyen}")


# 4. Identifier l'employé le mieux rémunéré

employe_mieux_paye = [Link][df['Salaire'].idxmax(), 'Nom']

print(f"Employé le mieux rémunéré : {employe_mieux_paye}")

#Exercice 3 : Statistiques descriptives

#Calcul de la moyenne, de la médiane et de l'étendue pour la série fournie.

import numpy as np

# Série de données

serie = 5, 8, 10, 12, 15, 18, 20

# 1. Moyenne

moyenne_serie = [Link](serie)

# 2. Médiane

mediane_serie = [Link](serie)

# 3. Étendue (Max - Min)

etendue = max(serie) - min(serie)

print("--- Exercice 3 ---")

print(f"Moyenne : {moyenne_serie:.2f}")

print(f"Médiane : {mediane_serie}")

print(f"Étendue : {etendue}")

#Exercice 4 : Visualisation des ventes (Graphique)

import [Link] as plt

# Données

mois = ['Janvier', 'Février', 'Mars', 'Avril', 'Mai']

ventes = 120 , 135 , 150 , 170 , 165

# Création du graphique

[Link](figsize=(10, 5))

[Link](mois, ventes, marker='o', linestyle='-', color='b', label='Ventes


mensuelles')

# Personnalisation

[Link]("Évolution des Ventes (Janvier - Mai)")

[Link]("Mois")

[Link]("Volume des Ventes")

[Link](True)

[Link]()

# Affichage
print("--- Exercice 4 ---")

print("Génération du graphique...")

[Link]()

#Exercice 5 : Analyse des notes de l'école

import pandas as pd

# Données de l'école

donnees_ecole = {

'Étudiant': ['A', 'B', 'C', 'D', 'E'],

'Note': [14 , 10 , 16 , 18 , 12]

df_ecole = [Link](donnees_ecole)

# 1. Moyenne de la classe

moyenne_classe = df_ecole['Note'].mean()

# 2. Pourcentage d'étudiants ayant au moins 12/20

nb_reussite = len(df_ecole[df_ecole['Note'] >= 12])

pourcentage_reussite = (nb_reussite / len(df_ecole)) * 100

# 3. Meilleure note

meilleur_etudiant = df_ecole.loc[df_ecole['Note'].idxmax(), 'Étudiant']

meilleure_note = df_ecole['Note'].max()

print("--- Exercice 5 ---")

print(f"Moyenne de la classe : {moyenne_classe}/20")


print(f"Pourcentage de réussite (>= 12/20) : {pourcentage_reussite}%")

print(f"Meilleur étudiant : {meilleur_etudiant} avec la note de


{meilleure_note}/20")

Vous aimerez peut-être aussi