Skip to content

🚀 TP Avancé : Fusion de Tables et Analyse Complexe

📂 Préparation des données

Nous allons travailler avec deux fichiers CSV :

  1. villes.csv : contient des informations sur les communes (nom, code postal, population).
  2. departements.csv : contient les noms des départements et leur région d'appartenance.

Vous devez télécharger les deux fichiers suivants et les placer dans votre dossier de travail :

  • villes.csv : contient des informations sur les communes (nom, code postal, population). Ce fichier contient volontairement des erreurs à filtrer.
  • departements.csv : contient les noms des départements et leur région d'appartenance.

🛠️ Travail à réaliser

Mission 1 : Nettoyage et Chargement

Écrivez une fonction charger_villes(nom_fichier) qui :

  1. Charge les données.
  2. Filtre les erreurs : Ignore les lignes où la population n'est pas un nombre ou est négative.
  3. Retourne une liste de dictionnaires propres.
Solution : 
def charger_donnees(nom_fichier):
    donnees = []
    with open(nom_fichier, 'r', encoding='utf-8') as fichier:
        lecteur = csv.DictReader(fichier)
        for ligne in lecteur:
            try:
                if int(ligne["population"]) > 0:
                    donnees.append(dict(ligne))
            except ValueError:
                pass
    return donnees

Mission 2 : La Fusion (Jointure "Inner Join")

L'objectif est de créer une nouvelle table villes_enrichies.

Contrainte : Si une ville possède un code_dep qui n'existe pas dans votre fichier departements.csv, elle ne doit pas apparaître dans le résultat final (c'est ce qu'on appelle une jointure interne).

def fusionner_tables(villes, departements):
    # À COMPLÉTER
    pass

Mission 3 : Statistiques Avancées

En utilisant la table fusionnée, implémentez les fonctions suivantes :

  1. stats_par_region(table) : Retourne un dictionnaire dont les clés sont les régions et les valeurs sont la somme des populations.
  2. moyenne_regionale(table) : Calcule la population moyenne des villes par région.
  3. densite_relative(table) : Pour chaque ville, calculez le pourcentage de la population qu'elle représente par rapport à sa région. Ajoutez cette information (pourcent_region) dans le dictionnaire de la ville.

Mission 4 : Visualisation ASCII (Régions)

Créez une fonction afficher_graphique_regions(stats_region) qui affiche un petit histogramme textuel dans la console pour comparer les régions.

Exemple de rendu attendu : 

Île-de-France          : #################### (2161000)
Occitanie              : ####### (749580)
Grand Est              : #### (461346)
...
(Indice : Une # peut représenter 100 000 habitants)

Mission 5 : Top 10 des Villes

Créez une fonction afficher_top_villes(table, n=10) qui : 1. Trie les villes par population décroissante. 2. Affiche un histogramme ASCII pour les n premières villes.

Contrainte : Comme les populations des villes sont plus petites que celles des régions, adaptez l'échelle (par exemple : une # pour 10 000 habitants).

Mission 6 : Interface de recherche

Proposez un petit menu permettant de :

  1. Chercher une ville par son nom et afficher TOUTES ses infos (département et région compris).
  2. Lister tous les départements d'une région donnée.

🚀 Le Défi de l'Expert : Optimisation Dictionnarique

Actuellement, votre fonction fusionner_tables contient probablement une boucle dans une boucle.

Défi : Transformez d'abord la liste des départements en un dictionnaire où la clé est le code_dep. Utilisez ensuite ce dictionnaire pour faire la fusion en un seul parcours de la liste des villes.

💡 Pistes d'optimisation

Pour la recherche du département (Mission 2), parcourir toute la table des départements pour chaque ville peut être lent si les fichiers sont gros.

Défi : Comment utiliser un dictionnaire de recherche pour rendre la fusion instantanée ?

Accueil