Python TP: Data Analysis and Automation
Groupe :
- RAMI HOUTA
- Abbou mostafa
Objectif général du TP
Automatiser le traitement des données expérimentales à l’aide de Python : du chargement des
données jusqu’à la génération d’un rapport statistique avec graphique, et l’envoi automatique
des résultats par mail.
Technologies et modules utilisés
pandas : lecture et manipulation des données
numpy : calculs statistiques
matplotlib : génération de graphiques
smtplib / email : envoi des résultats par mail (optionnel)
Exercice 1 :
Étape 1 : Génération du fichier CSV
random : utilisé pour générer des variations aléatoires dans les mesures.
pandas : utilisé pour lire et manipuler les données tabulaires.
1. On crée un fichier nommé [Link].
2. Chaque ligne contient une valeur de courant (A) et la tension correspondante (V).
[Link] courant varie de 0.5 à 4 A avec une petite fluctuation ±0.05 A.
[Link] tension est proportionnelle au courant avec un bruit ±2 V.
Étape 2 : Lecture du fichier CSV
On lit le contenu du fichier pour vérifier qu’il a bien été généré
On charge le fichier dans un DataFrame pandas.
On nettoie les noms de colonnes pour éviter les espaces indésirables.
Étape 3 : Extraction des colonnes
On extrait les colonnes de courant et de tension pour les analyser séparément.
Étape 4 : Affichage des données
tail() : affiche les 5 dernières lignes du tableau.
head() : affiche les 5 premières valeurs du courant.
info() : donne des infos techniques sur la série (type, nombre de valeurs, mémoire).
Resulta
Exercice02 :
Calcul de la moyenne, du maximum et du minimum pour chaque série.
Resulta
Exercice03 :
On trace une courbe représentant la relation entre le courant et la tension.
Les données ici sont fictives, à remplacer par celles du fichier CSV si nécessaire.
Resulta
Exercice 04
Dans cet exercice, le but est de créer automatiquement un fichier texte qui résume les
résultats obtenus lors du traitement des données expérimentales. Le script utilise le module
datetime afin d’insérer la date et l’heure exactes de la génération du rapport.
Le fichier [Link] contient deux sections principales :
Concernant le courant : on y inscrit la valeur moyenne, la valeur maximale et la valeur
minimale calculées.
Concernant la tension : on y ajoute également la moyenne, le maximum et le
minimum.
Enfin, une phrase d’interprétation générale est ajoutée pour donner du sens aux résultats, en
expliquant que la tension est proportionnelle au courant, avec des fluctuations dues au bruit
expérimental.
Après l’écriture, le fichier est relu et son contenu est affiché à l’écran pour vérifier que toutes
les informations ont bien été enregistrées.
Ce procédé illustre l’importance de l’automatisation dans le traitement des données
scientifiques : il permet de générer un rapport clair, structuré et daté, sans intervention
manuelle, ce qui garantit la fiabilité et la rapidité du travail.
Resulta
Étapes du TP appliquées
1. Choix du jeu de données
J’ai choisi un fichier contenant des mesures de température (°C) prises à différents instants.
Exemple de contenu du fichier temperature_data.csv :
[Link] des données
Un fichier nommé temperature_data.csv a été créé, contenant deux colonnes : le temps (en
secondes) et la température (en °C). Les données ont été chargées à l’aide de la bibliothèque
pandas :
Création du fichier CSV
Ici, on crée un fichier nommé temperature_data.csv.
Il contient deux colonnes : le temps (en secondes) et la température (en °C).
Les données sont simulées pour représenter une évolution progressive de la température.
Chargement des données
On utilise pandas pour lire le fichier CSV et le transformer en tableau (DataFrame).
Les colonnes sont nettoyées pour éviter les espaces indésirables.
On extrait les colonnes de température et de temps pour les analyser.
Calcul des statistiques
On calcule la moyenne, le maximum et le minimum des valeurs de
température.
Ces indicateurs permettent de résumer le comportement global des données.
Visualisation graphique
On trace une courbe représentant l’évolution de la température en fonction du
temps.
Le graphique est sauvegardé sous le nom resultats_temperature.png et affiché à
l’écran.
Cela permet une interprétation visuelle immédiate.
Génération automatique du rapport
On crée un fichier texte rapport_temperature.txt.
Il contient la date de génération, les valeurs statistiques et une
interprétation générale.
Exemple d’interprétation : La température augmente progressivement
avec le temps, ce qui indique un échauffement contrôlé.
Conclusion
Ce travail pratique a permis de mettre en œuvre un processus complet d’automatisation en
Python, allant de la génération et du chargement des données expérimentales, au calcul des
statistiques, à la visualisation graphique et enfin à la création automatique d’un rapport. Chaque
étape illustre l’importance de l’intégration entre la programmation et l’analyse scientifique : la
fiabilité des résultats est assurée, le temps de traitement est réduit et la présentation devient plus
professionnelle. L’extension vers l’envoi automatique par email démontre également la capacité
de Python à s’intégrer dans des flux de travail modernes, facilitant la communication et le partage
des résultats. Ce projet confirme que l’automatisation est un outil essentiel pour l’ingénieur, lui
permettant de transformer des données brutes en informations claires et exploitables.