allta/python7_dictionnaire

TP noté sur l'utilisation des dictionnaires en Python

TP Dictionnaire - Ynov Python B1

Tips

🙋 Si vous avez des soucis n'hésitez pas à m'appeler.

Exercice 1 : Simple Dictionary

Dans un programme python créer un dictionnaire concernant les différents modèles de voiture suivant :

cars = {
 "marque": "Ford",
 "modele": "Mustang",
 "annee": 1964
}

Avec ce dictionnaire il faudra :

• Afficher l'année de création de la voiture
• Rajouter un attribut à la voiture :
  • "couleur" : "rouge"
• Vérifier que la voiture soit bien rouge
• Afficher à l'aide d'une boucle toutes les caractéristiques de la voiture
• Modifier la couleur en bleu
• Supprimer la clef couleur

Exercice 2: Nested Dictionary

Dans cet exerice il faut modifier le dictionaire présent dans le fichier exerice2.py selon les affirmations suivantes :

• Patrick a quitté l'entreprise cette année, nous devons donc l'enlever du dictionnaire.
• Julie a fêté son anniversaire hier, il faut donc changer son âge (elle a maintenant 26 ans).
• Paul quant à lui fêtera son anniversaire la semaine prochaine. Nous voulons donc récupérer son âge pour savoir quel âge il aura.
• Renault a rejoint l'entreprise, il faut donc le rajouter dans le dictionnaire :
  • id : 04
  • prénom : Renault
  • nom : Dupond
  • age : 18

Exercice 3 : Dict parsing

• Calculer la moyenne d'age des employées de la societée
• Trouver qui est l'employé le plus agé
• Vérifier que Patrick ne fait plus partie de l'entreprise

Exerice 4 : Pandas Dictionnary - Analyse des durées de film Netflix

Dans cet exercice il va falloir utiliser les dictionnaires ainsi que la librairie pandas. Nous allons manipuler les données pour pouvoir les analyser par la suite. Pour le moment nous partons d'un jeu de données que nous allons créer nous même pour faciliter le travail.

Pour commencer il faut créer un set de données.

years = [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020]
durations = [103, 101, 99, 100, 100, 95, 95, 96, 93, 90]

A partir de ce dataset il faut :

• Créer un dictionnaire

  • Clef : years , durations
  • Valeurs : [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020] , [103, 101, 99, 100, 100, 95, 95, 96, 93, 90]

• Transformer ce dictionnaire en dataframe

  • import pandas as pd
  • durations_df = pd.DataFrame(my_dict)

• Créer une représentation graphique de votre Dataframe

  • import matplotlib.pyplot as plt

Astuce : http://www.python-simple.com/python-matplotlib/pyplot.php La librairie matplot est la libraire la plus utilisé pour la création de graphique et autre outils de visualisation. Il suffit d'appeler la méthode pyplot.plot([], []) pour créer un graphique en lui donnant comme argument 2 listes (Ou dans notre cas un Dataframe)

Exercice 5 : Analyse poussée d'un Dataset

Maintenant que nous avons eu un aperçu de ce que nous pouvons faire à l'aide de Python, nous allons charger le dataset complet.

A l'aide d'une méthode qui permet de lire les fichiers csv de la librairie pandas :

• Charger le fichier netflix_data.csv
• Afficher les 5 premiers rangs

Il y a beaucoup de colonnes dans ce Dataset, et nous souhaitons uniquement réaliser une analyse sur la durée des films.

Il faut donc filtrer les colonnes :

• Récupérer uniquement les rangs dont le type est Movie
• Sur ces rangs la récupérer uniquement les colonnes :
  • 'title'
  • 'country'
  • 'genre'
  • 'release_year'
  • 'duration'

Créer un nuage de type nuage de point (scatter en anglais). De la même façon que pour le premier graphique, donner en argument l'axe X (Date de sortie du film) et l'axe Y(Durée du film)