Scribd
Importer
25 vues15 pages

Visualisation des Coûts Éducatifs Internationaux

Le document présente une analyse des coûts de l'éducation internationale à l'aide de visualisations de données réalisées avec Matplotlib, Seaborn et Folium. Il couvre la préparation des données, les analyses des coûts selon divers critères, et l'utilisation de cartes interactives pour visualiser les informations géolocalisées. L'objectif est de fournir une compréhension approfondie des frais de scolarité, du coût de la vie et d'autres dépenses liées aux études à l'étranger.

Transféré par

salma beauty
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
25 vues15 pages

Visualisation des Coûts Éducatifs Internationaux

Le document présente une analyse des coûts de l'éducation internationale à l'aide de visualisations de données réalisées avec Matplotlib, Seaborn et Folium. Il couvre la préparation des données, les analyses des coûts selon divers critères, et l'utilisation de cartes interactives pour visualiser les informations géolocalisées. L'objectif est de fournir une compréhension approfondie des frais de scolarité, du coût de la vie et d'autres dépenses liées aux études à l'étranger.

Transféré par

salma beauty
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

DATA

VISUALISATION
RÉALISÉ PAR : FILALI ANSARI MERYEM & SALMA OULKIASS
FILIÈRE : GÉNIE INDUSTRIEL INTELLIGENCE ARTIFICIELLE ET DATA SCIENCE
ENCADRÉPAR: [Link]
Contexte du
Dataset
Le jeu de données "Cost of International Education" provenant de
Kaggle (lien ici) , regroupe des informations financières sur les
études supérieures à l’étranger :
Frais de scolarité (Tuition_USD)
Coût de la vie (Living_Cost_Index)
Loyer mensuel (Rent_USD)
Assurance santé, visa, taux de change
Par pays, ville, université, durée & niveau d’études
Utilisateurs cibles : Étudiants internationaux, conseillers, chercheurs
en économie de l’éducation.
Préparation
des
données
Identificationet suppressiondes
doublons
Gestiondesvaleursmanquantes
Gestiondesvaleursaberrantes
Partie 1 :
Répartition et variation des
coûts (scolarité, vie, logement)
Analyse : selon pays, villes, universités et

Visualisation niveaux d’études.


Mise en évidence de
corrélations entre variables.

avec Matplotlib
Outils Histogrammes, boxplots,
Objectif : scatter plots, bar charts.
graphiques :

Utiliser Matplotlib pour


comprendre la distribution, la
dispersion et les relations entre
les variables financières du Flexible, compatible avec
Pourquoi
dataset. Pandas/NumPy, idéal pour
Matplotlib ? l’analyse exploratoire.
Histogramme des
frais de scolarité &
Graphique
temporel : Durée
d'études vs frais de
scolarité moyens
But : Identifier les fourchettes de prix dominantes
Forte concentration dans la tranche basse à
moyenne
Valeurs extrêmes : universités prestigieuses
Boxplot des loyers par pays

Analyse
comparative par
pays
Médianes très
différentes (ex. :
Inde vs USA)
Nombreux outliers
→ grande
variabilité
Matrice de
corrélation
(Heatmap) ,
Nuage de points
& Camembert
Partie 2: Avantages de Seaborn :

Visualisation avec
Seaborn Syntaxe plus simple

Objectif :

Graphiques plus élégants


Utiliser Seaborn pour produire des
graphiques plus esthétiques,
intuitifs et intégrés à Pandas.

Intégration directe avec


DataFrame
Pairplot Diagramme en violon :
permet une visualisation croisée entre les Assurance santé par niveau
différentes composantes financières (frais de d’étude
scolarité, loyer, visa, assurance).
Points clés du notebook Folium
Partie 3 : Analyse Import des bibliothèques nécessaires
Cartographique (folium, pandas).
Chargement du dataset avec colonnes

avec Folium géographiques (latitude, longitude).


Nettoyage des données.
Création d’une carte centrée sur une
position globale.
Pourquoi Folium ?
Ajout de markers pour chaque université
ou ville avec popup contenant :
1. Nom de l’université,
Folium permet de créer des cartes 2. Pays,
interactives en Python basées sur 3. Frais de scolarité,
[Link], idéales pour visualiser [Link]ût du loyer,
les données géolocalisées, comme 5. Autres coûts clés.
les universités réparties sur Personnalisation des markers (couleur,
plusieurs pays et villes. icône) selon le niveau des frais ou pays.
Intégration d’un contrôle de couches
pour filtrer par pays ou type de frais.
Exemple visuel
Matplotlib est parfait pour les bases et
les personnalisations graphiques
Conclusion précises.

Cette série de notebooks couvre donc Seaborn améliore la présentation et


l’analyse du dataset sous plusieurs accélère l’analyse exploratoire.
angles complémentaires, enrichissant
la compréhension globale des coûts
liés à l’éducation internationale. Folium apporte une dimension
géographique interactive, essentielle
pour un dataset multi-pays et villes.
Thank you
very much!

Vous aimerez peut-être aussi