Vocabulaire Python et données textuelles

Écrire et exécuter du Python

Terme Définition Exemple Pourquoi c’est utile
Notebook Document mêlant cellules de texte et cellules de code. Une cellule charge un corpus, la suivante commente les résultats. Conserver ensemble calculs, résultats et interprétation.
Cellule Unité exécutable ou explicative d’un notebook. len(texte.split()) dans une cellule de code. Tester une étape du traitement sans relancer tout le projet.
Instruction Action demandée à Python. tokens = texte.split() Transformer ou stocker une donnée.
Expression Combinaison qui produit une valeur. len(tokens) / len(set(tokens)) Calculer un indicateur à partir d’un corpus.
Commentaire Texte précédé de #, ignoré par Python. # nombre de tokens du document Expliquer l’intention du code.
Erreur de syntaxe Code que Python ne peut pas analyser. Si on oublie : à la fin d’un if Repérer un problème avant même le traitement des données (Python n’interpète pas les énoncés mal formés ou ambigües).
Erreur de type On réalise une opération impossible (ou ambigüe) sur un type de variables 4+“4”+2 est-ce que j’attends 10 ou “4 4 2” comme dans le dispositif tactique au foot Ne pas forcer un résultat.
Indentation Espaces qui délimitent les blocs Python (boucles et conditions par exemple). La série d’instructions quand un if est vrai. Indiquer quelles actions doivent être répétées ou conditionnelles et quand on “désindente” lesquelles n’en font plus partie

Variables, valeurs et types

Terme Définition Exemple Pourquoi c’est utile
Variable Nom associé à une valeur (texte dans l’exemple ci-après). texte = "Un petit corpus" Réutiliser un texte ou un résultat sans le recopier.
Affectation Association entre un nom (identifiant) de variable et sa valeur réalisée avec =. langue = "fr" Mémoriser une métadonnée ou le résultat d’un calcul.
Identifiant Nom choisi pour une variable, une fonction ou un module. nombre_tokens Donner au programme un vocabulaire lisible, expliciter.
Valeur Contenu manipulé par le programme. "fr", 2026, True Représenter textes, dates, catégories et états.
Type Nature d’une valeur et opérations autorisées. str pour le texte, int pour l’année. Éviter d’additionner par erreur "20" et 5, fréquent après lecture d’un CSV.
Chaîne (str) Suite de caractères. "analyse de corpus" Stocker et transformer le contenu textuel.
Entier (int) Nombre entier. nombre_tokens = 354 Compter documents, tokens ou occurrences.
Booléen (bool) Valeur True ou False. est_vide = texte.strip() == "" Filtrer des documents selon un critère.
Conversion/Transtypage Passage d’un type à un autre. age = int(ligne["age"]) Rendre calculables les nombres lus comme chaînes dans un CSV.
Opération Transformation symbolisée par un opérateur. L’addition symbolisée par +, dans 3 + 5 le résultat de l’opération d’addition est 8 Définir ce que l’on fait avec les données.
Opérateur Symbole réalisant une opération. +, /, ==, in sont des opérateurs Calculer, comparer ou tester une présence.
Opérandes Données sur lesquelles l’opération est réalisée. Dans 3 + 5 , les opérandes sont 3 et 5 Définir ce sur quoi on travaille.
Concaténation Opération consistant à coller des chaînes de caractères. “3” + “5” donne donc “35” Fabriquer des phrases à partir de mots, des paragraphes à partir de phrases …

Contrôler le traitement

Terme Définition Exemple Pourquoi c’est utile
Condition Test exécutant un bloc si une expression est vraie. if langue == "fr": Ne traiter que les documents pertinents.
Comparaison Test entre deux valeurs. len(tokens) >= 100 Repérer des textes suffisamment longs.
Boucle for Répétition sur les éléments d’un objet. for document in corpus: Appliquer le même traitement à 10 ou 10 000 documents.
Boucle while Répétition tant qu’une condition reste vraie. Lire des lots tant qu’il reste une page d’API. Gérer un nombre d’étapes inconnu à l’avance.
Itérable Objet que l’on peut parcourir. liste de textes, clés d’un dictionnaire, lignes d’un fichier. Fournir les éléments successifs d’une boucle.
Compteur Variable augmentée à chaque occurrence. nombre_vides += 1 Quantifier un phénomène.
Accumulateur Variable recueillant progressivement un résultat. total_mots += len(tokens) Calculer un total ou construire une collection.
Filtrage Conservation des éléments qui respectent un critère. garder les textes français non vides. Constituer un sous-corpus cohérent.

Structures de données

Terme Définition Exemple Pourquoi c’est utile
Liste (list) Collection ordonnée et modifiable. tokens = [“toto”, “titi”, “tutu”, “tutu”] Conserver l’ordre et les répétitions.
Tuple (tuple) Collection ordonnée non modifiable. (2026, 09, 09) Représenter un petit groupe de valeurs stable.
Ensemble (set) Collection sans doublon. set(tokens) -> {“toto”, “titi”, “tutu” Construire le vocabulaire d’un texte.
Dictionnaire (dict) Association clé → valeur. {"texte": ..., "langue": "fr"} Associer un document à ses métadonnées ou un mot à sa fréquence.
Clé Identifiant d’une entrée de dictionnaire. "langue" Retrouver une métadonnée par son nom.
Valeur de dictionnaire Donnée associée à une clé. document["langue"] vaut "fr". Lire ou modifier l’information voulue.
Structure imbriquée Collection contenant d’autres collections. liste de dictionnaires Représenter des données riches et hiérarchiques.
Mutable Objet modifiable après sa création. liste ou dictionnaire. Ajouter progressivement des résultats.
Immuable Objet non modifiable “sur place”. tuple. Comprendre pourquoi certaines méthodes créent une nouvelle valeur.
Compréhension Syntaxe compacte de construction d’une collection. [len(t.split()) for t in textes] Transformer un corpus de façon concise, optimiser le temps de calcul.

Fonctions et robustesse

Terme Définition Exemple Pourquoi c’est utile
Fonction Bloc réutilisable défini avec def. nettoyer_texte(texte) Appliquer exactement le même traitement à tous les documents.
Paramètre Nom prévu dans la définition d’une fonction. texte dans def tokeniser(texte): Décrire les données attendues par la fonction.
Argument Valeur fournie lors de l’appel. tokeniser(document["texte"]) Utiliser la fonction sur un document concret.
Valeur par défaut Valeur utilisée si l’argument est omis. minuscules=True Proposer un comportement habituel mais modifiable.
return Renvoie le résultat d’une fonction. return tokens Récupérer les données transformées pour la suite du pipeline.
Exception Erreur survenant pendant l’exécution. ValueError pour int("inconnu"). Détecter proprement les métadonnées invalides.
try / except Interception contrôlée d’une exception. ignorer un âge non convertible en conservant le document. Empêcher qu’une cellule invalide bloque tout le corpus.
Assertion (assert) Vérification qui doit être vraie. assert tokeniser("Un mot") == ["un", "mot"] Vérifier rapidement qu’une fonction se comporte comme prévu.

Modules, fichiers et formats

Terme Définition Exemple Pourquoi c’est utile
Module Fichier ou composant Python importable. csv, json, statistics. Réutiliser du code déjà testé.
Bibliothèque Ensemble de modules spécialisés. pandas, Seaborn, Matplotlib. Manipuler ou visualiser les données avec des outils adaptés.
Import Chargement d’un module. from pathlib import Path Rendre ses fonctions disponibles dans le notebook.
Chemin Localisation d’un fichier ou dossier. Path("donnees") / "corpus" Trouver les données de manière portable.
Fichier Données conservées sur disque. un texte UTF-8 ou un tableau CSV. Retrouver et partager un corpus entre plusieurs sessions.
Encodage Correspondance entre octets et caractères. encoding="utf-8" Lire correctement accents, apostrophes et caractères non ASCII.
Gestionnaire de contexte Construction with qui libère une ressource. with open(...) as fichier: Fermer le fichier même si une erreur survient.
CSV Format tabulaire en texte brut. une ligne par étudiant, une colonne par variable. Échanger des données rectangulaires.
JSON Format représentant listes, dictionnaires et imbrications. médiathèque avec documents et auteurs. Conserver une structure plus riche qu’un tableau.

Distinctions importantes

  • = affecte une valeur ; == compare deux valeurs.
  • un token est une occurrence ; un type est une forme distincte.
  • une liste garde ordre et doublons ; un set ne garde que l’unicité.
  • print() affiche pour l’humain ; return transmet un résultat au programme.
  • CSV convient aux tableaux ; JSON convient aux structures imbriquées.
  • la moyenne résume ; la distribution montre la diversité des cas.
Modifié le: mardi 8 septembre 2026, 08:55