Traiter une table avec Python

Exercice 23 — Lire la pyramide des âges

Dans un fichier, recopie la fonction lire_table du cours, puis ajoute :

table = lire_table("2023_Pyramide.csv")
print(len(table))
print(table[1])
print(table[2])

1. Exécute le programme. Que représente le premier nombre affiché ?
2. Quel est le type de table[2][2] ? Vérifie avec print(type(table[2][2])).
3. Que faut-il faire pour utiliser table[2][2] dans un calcul ? Affiche int(table[2][2]) * 2.

💾 NOM_Prenom_ex23.py

Exercice 24 — Les totaux de la population

Avec une boucle sur table[2:103] (les 101 lignes de population), calcule :

1. le nombre total d'hommes et le nombre total de femmes ;
2. la proportion de femmes dans la population, en pourcentage arrondi à 0,1.

💾 NOM_Prenom_ex24.py

Exercice 25 — L'âge moyen des Français

L'âge moyen d'une population se calcule ainsi : pour chaque âge, on multiplie l'âge par le nombre de personnes de cet âge ; on additionne tous ces produits ; on divise par la population totale.

1. Écris un programme qui calcule l'âge moyen. (Attention à la ligne « 100 ou plus » : on prendra 100 ans.)
2. Écris la fonction age_moyen(table) qui renvoie ce nombre, puis affiche round(age_moyen(table), 1).

💾 NOM_Prenom_ex25.py

Exercice 26 — Retrouver 916 et 39

Lis Eleves2022.csv avec lire_table. La première ligne contient les descripteurs : on la saute avec table[1:].

1. Combien de lignes contient la table ? Combien d'élèves sont encore présents (colonne Sortie vide, soit ligne[2] == "") ?
2. Combien d'élèves de terminale (classe qui commence par T : ligne[0][0] == "T") ont l'italien en LVB (ligne[5] == "ITALIEN") ? Compare avec ton résultat du tableur.

💾 NOM_Prenom_ex26.py

Exercice 27 — Une fonction qui compte

1. Écris une fonction compter(table, colonne, valeur) qui renvoie le nombre d'élèves présents dont la colonne colonne vaut valeur.
2. Utilise-la pour compter les élèves présents par LVB (colonne 5) : "ESPAGNOL", "ALLEMAND", "ITALIEN". Vérifie que la somme est 916.

💾 NOM_Prenom_ex27.py

Exercice 28 — Les filles et les maths : un tableur peine, Python non

Dans une table d'élèves, les options sont dans cinq colonnes (ligne[6:11]). Un tableur a du mal à compter « les élèves qui ont MATHEMATIQUES dans l'une des cinq colonnes ». Python, lui, sait : "MATHEMATIQUES" in ligne[6:11].

1. Écris une fonction part_filles(eleves, option) qui, pour les élèves présents de première et de terminale (classe qui commence par 1 ou T) suivant cette option, renvoie le nombre d'élèves et le pourcentage de filles (ligne[1] == "F").
2. Compare le pourcentage de filles parmi les élèves de première et de terminale, avec celui dans la spécialité MATHEMATIQUES, puis dans MATHS EXPERTES.
3. Teste aussi NUMERIQUE SC.INFORM., HUMAN.LITTER.PHILO. et PHYSIQUE-CHIMIE. Qu'observes-tu ? Que peut-on en conclure ?

💾 NOM_Prenom_ex28.py

Exercice 29 — Garçons, filles, âges

Securite_routiere2.csv contient 73 985 victimes de 2021 : une ligne = un sexe et un âge. Le fichier a deux lignes de titre : on les saute avec table[2:].

1. Combien de victimes de sexe G et de sexe F ? Compare avec ton résultat du tableur.
2. Quel est l'âge moyen des victimes garçons, puis filles ?
3. Quel est l'âge de la plus âgée victime du fichier ?

💾 NOM_Prenom_ex29.py

Exercice 30 — Un histogramme en texte

Avec un dictionnaire effectifs, compte les victimes de chaque âge. Puis affiche, par tranche de 10 ans (0 à 9 ans, 10 à 19 ans…), le nombre de victimes et une barre de # : un # par tranche de 500 victimes.

1. Quel âge compte le plus de victimes ?
2. Quelle tranche d'âge compte le plus de victimes ? Que penses-tu de la forme obtenue ?

💾 NOM_Prenom_ex30.py

Exercice 31 — Le taux de victimes par âge

Construis, à partir de la pyramide, un dictionnaire population : la clé est l'âge, la valeur est le nombre de personnes (hommes + femmes). Avec effectifs (exercice 30), calcule pour chaque âge de 0 à 99 ans :

taux = 100000 * effectifs[age] / population[age]

1. À quel âge le taux est-il le plus élevé ? Quelle est sa valeur (arrondie à l'unité) ?
2. Affiche le taux à 10, 18, 30, 50, 70 et 90 ans. Que constates-tu ?
3. Compare le nombre de victimes à 70 ans et à 90 ans, puis le taux à ces âges. Pourquoi le taux est-il plus juste pour comparer ?
4. Calcule le taux global des garçons (victimes garçons ÷ population masculine × 100 000) et celui des filles. Quel est le rapport entre les deux ? Peut-on parler de « surmortalité masculine » ?

💾 NOM_Prenom_ex31.py

Exercice 32 — Tableur ou Python ?

Pour chaque situation, indique l'outil que tu choisirais (tableur ou Python) et pourquoi :

1. Regarder rapidement un petit fichier et en faire un graphique.
2. Refaire chaque année le même calcul sur un nouveau fichier de 500 000 lignes.
3. Compter les élèves qui ont une option dans l'une de cinq colonnes.
4. Montrer à un camarade, sans programmation, comment tu es arrivé à un résultat.

📝 réponses dans ton compte rendu, exercice 32