TP 1 — Introduction à Python pour la Data Science

🎯 Objectifs

• Prendre en main l’environnement Jupyter Notebook.
• Manipuler des vecteurs et matrices avec NumPy.
• Charger et explorer des données structurées avec Pandas.
• Visualiser des données avec Matplotlib.

1. Préparation de l’environnement

Lancez Jupyter Notebook ou Jupyter Lab. Créez un nouveau notebook nommé TP1_Nom_Prenom.ipynb.

Importez les bibliothèques classiques :

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2. NumPy : Le moteur de calcul

Exercice 2.1 : Création de tableaux

1. Créez un vecteur v contenant les entiers de 1 à 10.
2. Créez une matrice M de taille $3\times 3$ remplie de zéros.
3. Créez une matrice R de taille $3\times 3$ avec des nombres aléatoires entre 0 et 1.

Exercice 2.2 : Opérations

1. Calculez la somme des éléments de v.
2. Multipliez tous les éléments de M par 5 (broadcasting).
3. Effectuez le produit matriciel entre R et sa transposée $R^T$.

3. Pandas : Manipulation de données

Nous allons utiliser le célèbre dataset Iris (ou un équivalent simple).

Exercice 3.1 : Chargement

Chargez le fichier CSV (fourni ou via URL) dans un DataFrame df.

url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv"
df = pd.read_csv(url)

Exercice 3.2 : Exploration

1. Affichez les 5 premières lignes (head).
2. Affichez les dimensions du dataset (shape).
3. Affichez les statistiques descriptives (describe).
4. Quels sont les noms des colonnes ?

Exercice 3.3 : Filtrage

1. Créez un nouveau DataFrame df_setosa ne contenant que les fleurs de l’espèce “setosa”.
2. Combien y a-t-il de fleurs dont la longueur de sépale (sepal_length) est supérieure à 6 ?

4. Matplotlib : Visualisation

Exercice 4.1 : Nuage de points (Scatter Plot)

Tracez un nuage de points montrant la relation entre petal_length (axe X) et petal_width (axe Y).

• Ajoutez un titre “Relation Longueur/Largeur des Pétales”.
• Nommez les axes.

Exercice 4.2 : Histogramme

Tracez l’histogramme de la distribution de sepal_length.

Exercice 4.3 : Couleurs par classe (Bonus)

Refaites le scatter plot de l’exercice 4.1, mais en coloriant les points selon l’espèce de la fleur. Indice : Utilisez c=df['species'].map({'setosa':0, 'versicolor':1, 'virginica':2}) ou la librairie seaborn.

5. Rendu

Exportez votre notebook au format HTML ou PDF et déposez-le sur la plateforme.