Scribd
Importer
38 vues2 pages

Analyse des données avec Python : TP complet

Ce document présente un TP sur l'analyse des données avec Python, comprenant des exercices sur l'analyse univariée, la relation entre deux variables et l'analyse en composantes principales (ACP). Les exercices incluent la création de graphiques, le calcul de statistiques descriptives, la visualisation de corrélations et l'application de l'ACP sur un jeu de données. Les tâches comprennent également l'importation de bibliothèques, le chargement de données, la standardisation et l'interprétation des résultats.

Transféré par

Hicham Tmha
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
38 vues2 pages

Analyse des données avec Python : TP complet

Ce document présente un TP sur l'analyse des données avec Python, comprenant des exercices sur l'analyse univariée, la relation entre deux variables et l'analyse en composantes principales (ACP). Les exercices incluent la création de graphiques, le calcul de statistiques descriptives, la visualisation de corrélations et l'application de l'ACP sur un jeu de données. Les tâches comprennent également l'importation de bibliothèques, le chargement de données, la standardisation et l'interprétation des résultats.

Transféré par

Hicham Tmha
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

TP: ANALYSE DES DONNÉES METHOD AVEC PYTHON

Exercice 1 : Analyse Univariée


 Tracer un diagramme circulaire, un diagramme à barres, un diagramme à bâtons et un
histogramme pour la série statistique suivante : 15, 30, 45, 60, 75, 90, 105, 120, 135, 150
 Calculer la moyenne, la variance et l'écart-type de cette série.

Exercice 2 : Analyse de la relation entre deux variables

Objectif :
L'objectif de cet exercice est d'étudier la relation entre deux variables à l'aide de Python, de visualiser
cette relation à travers un nuage de points, de calculer la corrélation entre les variables et d'effectuer
une régression linéaire pour modéliser cette relation.

Données :
Vous disposez des données suivantes concernant une variable X (par exemple, les années
d'expérience) et une variable Y (par exemple, le salaire en dollars) :

Années d'expérience (X) Salaire en $ (Y)


1 30000
2 35000
3 40000
4 45000
5 50000
6 55000
7 60000
8 65000
9 70000
10 75000

Tâches à faire :
1. Tracer un nuage de points :
- Créez un graphique représentant la relation entre la variable X (Années d'expérience) et la variable
Y (Salaire en $). Utilisez un nuage de points pour visualiser cette relation.

2. Calculer le coefficient de corrélation entre les variables X et Y.


Exercice 3 : ACP

Importation des bibliothèques

 Quelles sont les bibliothèques nécessaires pour manipuler des données et réaliser une
ACP en Python ?
 Écrivez le code pour importer ces bibliothèques.

Chargement et exploration des données

 Charger le fichier [Link] en excluant la colonne Id ?


 Affichez les premières lignes du jeu de données.
 Vérifier la présence de valeurs manquantes et afficher la taille du dataset ?

Statistiques descriptives

 Présenter les statistiques descriptives des variables numériques (moyenne, variance,


écart type)?
 Tracez l'histogramme de la variable SepalWidthCm avec une courbe de densité.

Matrice de corrélation et Heatmap

 Tracer la matrice de corrélation des variables numériques ?


 Affichez la heatmap de cette matrice.

Standardisation des données

 Séparer les variables explicatives (X) et la variable cible (y) ?


 Standardiser les variables explicatives ?

Application de l’ACP

 Appliquer une ACP aux données standardisées ?


 Affichez les valeurs propres et les pourcentages de variance expliquée.

Visualisation des résultats

 Représenter graphiquement les observations selon les deux premières composantes


principales ?

Interprétation et Conclusion

 Quelle est la proportion de variance expliquée par chaque composante principale ?


 Quelles variables contribuent le plus à la formation des axes principaux ?

Vous aimerez peut-être aussi