NSI (Spé) — Traitement de données en tables
Traitement de données en tables
Fichiers CSV, recherche, tri, fusion de tables
Résumé synthétiqueFiche en 4 sectionsQuiz de 10 questionsGratuit, sans pub
Résumé
Les données structurées sont souvent stockées dans des fichiers **CSV** (Comma-Separated Values), où chaque ligne est un **enregistrement** et les colonnes sont séparées par des virgules ou des points-virgules. En Python, le module **csv** lit et écrit ces fichiers, et on manipule les données en mémoire sous forme de **liste de dictionnaires** : chaque dictionnaire est une ligne, les noms de colonnes en sont les clés. Trois opérations reviennent sans cesse : la **recherche** (filtrer selon un critère), le **tri** (par une colonne) et la **fusion** de tables (jointure sur une clé commune). On peut ainsi filtrer les élèves de moyenne supérieure à 14, trier des villes par population, ou relier une table d'élèves à une table de classes.
Un fichier **CSV** est un simple fichier texte qui range des données en tableau : une ligne par enregistrement, des colonnes séparées par un caractère. C'est le format d'échange le plus universel — Excel, bases de données et Python le lisent tous.
- **Définition :** CSV = Comma-Separated Values, un format texte pour données tabulaires.
- **Structure :** la **première ligne** donne les en-têtes (noms de colonnes), les suivantes les données.
- **Séparateur :** la virgule, ou le **point-virgule** en France (car la virgule sert de séparateur décimal).
- **Lecture :** import csv puis csv.DictReader lit chaque ligne comme un **dictionnaire**.
- **Type :** toutes les valeurs lues sont des **chaînes** ; il faut convertir avec int() ou float().
Exemple
import csv ; reader = csv.DictReader(open('eleves.csv', encoding='utf-8')) lit chaque ligne sous la forme {'nom': 'Dupont', 'age': '16', 'moyenne': '14.5'}. Pour comparer les moyennes, on convertit : float(ligne['moyenne']).
Piège à éviter
Tout ce qui sort d'un CSV est du **texte** : '16' > '9' est faux car comparé alphabétiquement. Convertis en int() ou float() avant tout calcul ou tri numérique.
Une fois la table en mémoire, la première opération est d'en **extraire** ce qui nous intéresse. On distingue la **sélection** (choisir des lignes selon un critère) et la **projection** (choisir des colonnes). En Python, les listes en compréhension expriment tout cela en une ligne.
- **Sélection :** garder les lignes qui vérifient un critère donné.
- **Exemple :** [e for e in eleves if float(e['moyenne']) > 14] retient les bons élèves.
- **Projection :** ne garder que certaines colonnes, ex. [e['nom'] for e in eleves].
- **Combinaison :** [e['nom'] for e in eleves if e['classe'] == '1A'] mêle filtre et projection.
- **Complexité :** une recherche séquentielle parcourt toute la table, soit $O(n)$.
Exemple
bons = [e['nom'] for e in eleves if float(e['moyenne']) >= 14] renvoie directement la liste des noms des élèves ayant au moins 14 de moyenne.
Piège à éviter
N'oublie pas la conversion dans le test : if e['moyenne'] > 14 compare une **chaîne** à un nombre et lève une erreur (ou compare mal). Écris if float(e['moyenne']) > 14.
**Trier** réorganise les lignes selon une colonne : par ordre alphabétique des noms, par moyenne décroissante, etc. La fonction **sorted** de Python fait le travail, à condition de lui indiquer **quelle valeur** comparer grâce au paramètre key.
- **Tri alphabétique :** sorted(eleves, key=lambda e: e['nom']).
- **Tri numérique décroissant :** sorted(eleves, key=lambda e: float(e['moyenne']), reverse=True).
- **Le paramètre key :** une fonction qui extrait la valeur de comparaison de chaque ligne.
- **Le paramètre reverse :** True pour décroissant, False (défaut) pour croissant.
- **Tri stable :** deux lignes égales conservent leur ordre d'origine.
Exemple
classement = sorted(eleves, key=lambda e: float(e['moyenne']), reverse=True) range les élèves du meilleur au moins bon. classement[0] est alors le major de la classe.
Piège à éviter
Sans conversion dans la key, le tri est **alphabétique** : '100' arrive avant '9'. Pense à float() ou int() dans le lambda pour un tri vraiment numérique.
La **fusion** (ou jointure) combine deux tables partageant une **colonne commune**, appelée clé de jointure. C'est l'opération qui permet, par exemple, d'afficher pour chaque élève le nom de sa salle, alors que les deux informations vivent dans des tables séparées.
- **Principe :** combiner deux tables ayant une colonne commune (la **clé de jointure**).
- **Exemple :** table eleves (nom, classe_id) + table classes (id, salle) → nom et salle réunis.
- **Méthode naïve :** deux boucles imbriquées cherchant les correspondances sur la clé.
- **Syntaxe (Python 3.9+) :** [e | c for e in eleves for c in classes if e['classe_id'] == c['id']].
- **Optimisation :** indexer une table dans un dictionnaire fait passer de $O(n \times m)$ à $O(n + m)$.
Exemple
On indexe d'abord les classes par leur id : index = {c['id']: c for c in classes}. Puis pour chaque élève : salle = index[e['classe_id']]['salle']. Cette table intermédiaire évite la double boucle.
Piège à éviter
La jointure naïve à deux boucles imbriquées coûte $O(n \times m)$ : sur de grosses tables, elle devient très lente. Indexer une table par sa clé dans un dictionnaire ramène le coût à $O(n + m)$.
Quiz - Traitement de données en tables
10 questions
Questions fréquentes
Les points clés à retenir sur Traitement de données en tables, extraits du quiz de révision.
Que signifie CSV ?
Réponse :
Comma-Separated Values
CSV signifie Comma-Separated Values : des valeurs séparées par des virgules.
En France, quel séparateur remplace souvent la virgule dans les CSV ?
Réponse :
Le point-virgule
On utilise le point-virgule car la virgule sert déjà de séparateur décimal (14,5 au lieu de 14.5).
Avec csv.DictReader, de quel type sont les valeurs lues ?
Réponse :
str (chaîne)
DictReader lit tout comme des **chaînes** (str). Il faut convertir soi-même avec int() ou float().
Quelle expression filtre les élèves de moyenne > 14 ?
Réponse :
[e for e in eleves if float(e['moyenne']) > 14]
En Python, on filtre avec une liste en compréhension et une condition if, en convertissant la moyenne en float.