{ "cells": [ { "cell_type": "markdown", "id": "56e251cd", "metadata": {}, "source": [ "# 02 — Structures et fonctions\n", "\n", "## Des objets Python aux données structurées" ] }, { "cell_type": "markdown", "id": "391c399d", "metadata": {}, "source": [ "Les Termes en ``saillance`` sont définis dans VOCABULAIRE.md" ] }, { "cell_type": "markdown", "id": "633d530a-f766-4461-bf5e-b494eb92d942", "metadata": {}, "source": [ "Connaître ses variables et ses structures : pourquoi ?\n", "\n", "Imaginons un exercice simple, j'ai des notes et je voudrais calculer une moyenne, les données pourraient se présenter de différentes manières." ] }, { "cell_type": "code", "execution_count": null, "id": "1a5d18a6-7bf1-4cad-a35b-40b6202169fa", "metadata": {}, "outputs": [], "source": [ "#des variables individuelles :\n", "note1 = 12\n", "note2 = 15\n", "note3 = 17\n", "print((note1+note2+note3)/3)" ] }, { "cell_type": "markdown", "id": "839a0f57-666b-4464-b3a7-b8f3eaf489af", "metadata": {}, "source": [ "Imaginons que l'on ait 2 ou 3 fois plus de notes à traiter, le code serait 2 ou 3 fois plus long ... Avec une liste on rend tout ça plus souple" ] }, { "cell_type": "code", "execution_count": null, "id": "846173c2-1332-4d09-b600-2872e6dbfa20", "metadata": {}, "outputs": [], "source": [ "notes = [12,15,17]\n", "print(sum(notes)/3)" ] }, { "cell_type": "code", "execution_count": null, "id": "a48727ce-129a-43d7-9610-911bd6529842", "metadata": {}, "outputs": [], "source": [ "#Et même en mieux :\n", "print(sum(notes)/len(notes))" ] }, { "cell_type": "code", "execution_count": null, "id": "040a0ee3-26a6-4fd1-9029-a921aa9368a5", "metadata": {}, "outputs": [], "source": [ "#Ainsi on peut régler des listes de notes plus longues sans changer l'instruction\n", "notes = [12,15,17, 14, 8, 12, 9]\n", "print(sum(notes)/len(notes))" ] }, { "cell_type": "markdown", "id": "533e8c66-c93c-47a3-aa86-def9286c5b8b", "metadata": {}, "source": [ "Imaginons que la liste comporte des notes entrées comme des chaînes de caractères, comment faire ?" ] }, { "cell_type": "code", "execution_count": null, "id": "9b4183ee-19df-4ac9-9bb9-53bfac2b4d0b", "metadata": {}, "outputs": [], "source": [ "notes = [12,15,\"17\", 14, \"8\", 12, \"9\"]\n", "#Essayez de calculer la moyenne sans changer les de données d'origine mais en créant une liste nettoyée\n", "#Recette possible : une liste vide, une boucle et la méthode append\n" ] }, { "cell_type": "markdown", "id": "d27dcd99-c97f-4708-bad0-4f00fbfd5d9b", "metadata": {}, "source": [ "Un cas un peu plus difficile maintenant. On a aussi des cas particuliers à gérer :\n", "- si l'étudiant a une absence justifiée (ABJ), on ne compte rien\n", "- si par contre c'est une absence injustifiée (ABI), c'est un zéro\n", "\n", "A vous de jouer !" ] }, { "cell_type": "code", "execution_count": null, "id": "8eaad940-0e8f-42b4-a46f-176beb191d94", "metadata": {}, "outputs": [], "source": [ "notes = [12,15, \"ABJ\", 14, 8, 12, 9,\"ABI\", \"16\"]\n" ] }, { "cell_type": "markdown", "id": "bc58835c", "metadata": {}, "source": [ "## 1. Choisir une structure de données" ] }, { "cell_type": "markdown", "id": "b3ffcbf8", "metadata": {}, "source": [ "
\n", "Pourquoi est-ce utile ?
La structure choisie exprime ce que l'on veut conserver : \n", " \n", " - ``list`` : la liste garde l'ordre\n", " - ``set`` : l' ensemble produit le vocabulaire (les éléments uniques)\n", " - ``dict`` : le dictionnaire associe des données (clé:valeur, mot: fréquence ....)\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "60c1d616", "metadata": {}, "outputs": [], "source": [ "tokens = [\"le\", \"chat\", \"dort\", \"le\"] # ordre et doublons\n", "print(type(tokens))\n", "vocabulaire = set(tokens) # valeurs uniques\n", "print(type(vocabulaire))\n", "document = {\"titre\": \"Exemple\", \"langue\": \"fr\"} # clé → valeur\n", "print(type(document))\n", "print(tokens, vocabulaire, document)" ] }, { "cell_type": "code", "execution_count": null, "id": "2d5e9021", "metadata": {}, "outputs": [], "source": [ "# Le choix de la structure change la question posée au texte\n", "texte = \"le chat voit le chien\"\n", "tokens = texte.split()\n", "print(\"Séquence :\", tokens)\n", "print(\"Vocabulaire :\", sorted(set(tokens)))\n", "print(\"Nombre d'occurrences / de types :\", len(tokens), len(set(tokens)))" ] }, { "cell_type": "markdown", "id": "78a47f86", "metadata": {}, "source": [ "
\n", "Comment trouver l’ensemble des catégories distinctes sans doublon ?\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "6029b083", "metadata": {}, "outputs": [], "source": [ "categories = [\"blog\", \"institution\", \"blog\", \"recherche\", \"blog\", \"institution\", \"toto\"]\n", "# TODO" ] }, { "cell_type": "markdown", "id": "7dc46263", "metadata": {}, "source": [ "## 2. Compter avec un dictionnaire" ] }, { "cell_type": "markdown", "id": "995207c3", "metadata": {}, "source": [ "
\n", "Un dictionnaire de fréquences relie chaque forme à son nombre d'occurrences. Cette représentation est la base des listes de mots fréquents par exemple\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "9aa5545b", "metadata": {}, "outputs": [], "source": [ "tokens = \"le corpus contient le texte\".split()\n", "frequences = {}\n", "for token in tokens:\n", " if token not in frequences:#on ne l'a pas encore vu\n", " frequences[token] = 0\n", " frequences[token] += 1#on ajoute une occurrence\n", " print(frequences)\n", "print(\"dictionnaire final:\")\n", "print(frequences)" ] }, { "cell_type": "code", "execution_count": null, "id": "516b1870", "metadata": {}, "outputs": [], "source": [ "# Exemple : comparer rapidement deux mini-textes\n", "textes = [\"langue corpus langue\", \"python corpus données\"]\n", "for texte in textes:\n", " frequences_texte = {}\n", " for token in texte.split():\n", " frequences_texte[token] = frequences_texte.get(token, 0) + 1\n", " print(frequences_texte)" ] }, { "cell_type": "markdown", "id": "a23db35a", "metadata": {}, "source": [ "
\n", "À vous de jouer
Comptez les documents par langue à partir de la liste de dictionnaires.\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "878e0fe1", "metadata": {}, "outputs": [], "source": [ "documents = [\n", " {\"titre\": \"A\", \"langue\": \"fr\"},\n", " {\"titre\": \"B\", \"langue\": \"en\"},\n", " {\"titre\": \"C\", \"langue\": \"fr\"},\n", "]\n", "effectifs = {}#devra associer à chaque langue le nombre de documents\n", "# TODO" ] }, { "cell_type": "markdown", "id": "4cd70db6", "metadata": {}, "source": [ "## 3. Parcourir une structure imbriquée" ] }, { "cell_type": "markdown", "id": "dd96bd06", "metadata": {}, "source": [ "
\n", "Pourquoi est-ce utile ?
Les corpus sont rarement de simples listes de chaînes : un document peut avoir plusieurs auteurs, mots-clés et dates. Les structures imbriquées permettent de représenter cette richesse et correspondent directement au format JSON que vous verrez mercredi/jeudi.\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "44f23ade", "metadata": {}, "outputs": [], "source": [ "mediatheque = {\n", " \"nom\": \"Bibliothèque SHS\",\n", " \"documents\": [\n", " {\"titre\": \"Méthodes\", \"auteurs\": [\"A. Martin\"], \"disponible\": True},\n", " {\"titre\": \"Corpus\", \"auteurs\": [\"L. Diallo\", \"S. Roy\"], \"disponible\": False},\n", " ],\n", "}\n", "print(mediatheque[\"documents\"][1][\"auteurs\"][0])" ] }, { "cell_type": "code", "execution_count": null, "id": "41720348", "metadata": {}, "outputs": [], "source": [ "# Exemple : revenir aux textes grâce aux métadonnées\n", "corpus_annote = {\n", " \"documents\": [\n", " {\"id\": \"d1\", \"texte\": \"Nous proposons une méthode.\", \"genre\": \"article\"},\n", " {\"id\": \"d2\", \"texte\": \"Bienvenue dans la formation.\", \"genre\": \"institution\"},\n", " ]\n", "}\n", "for document in corpus_annote[\"documents\"]:\n", " print(document[\"id\"], document[\"genre\"], \"→\", document[\"texte\"])" ] }, { "cell_type": "markdown", "id": "8c19c453", "metadata": {}, "source": [ "
\n", "Construisez une liste contenant seulement le titre des documents disponibles de mediatheque.\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "d5a39715", "metadata": {}, "outputs": [], "source": [ "titres_disponibles = []\n", "# TODO" ] }, { "cell_type": "markdown", "id": "d4c9bcd8", "metadata": {}, "source": [ "## 4. Factoriser avec des fonctions" ] }, { "cell_type": "markdown", "id": "fef9c8c7", "metadata": {}, "source": [ "
\n", "Pourquoi est-ce utile ?
Copier-coller le code a ses limites, ça prend de la place et quand on veut faire une modification sur un code dupliqué 10 fois, on doit intervenir 10 fois.\n", " \n", " Une fonction vise à regrouper sous un nom uen série d'opérations et facilite reproductibilité et maintenance.\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "85e4291a", "metadata": {}, "outputs": [], "source": [ "def nettoyer_texte(texte):\n", " texte = texte.lower()\n", " return texte\n", "\n", "print(nettoyer_texte(\"Bonjour Corpus\"))\n", "print(nettoyer_texte(\"Bienvenue dans la formation\"))" ] }, { "cell_type": "code", "execution_count": null, "id": "33f29a47", "metadata": {}, "outputs": [], "source": [ "# Exemple : le même nettoyage appliqué à tout un corpus\n", "corpus_brut = [\" Premier TEXTE \", \"Deuxième texte \", \" TROISIÈME texte\"]\n", "corpus_propre = [nettoyer_texte(texte) for texte in corpus_brut]\n", "print(corpus_propre)" ] }, { "cell_type": "markdown", "id": "c5099a14", "metadata": {}, "source": [ "
\n", "À vous de jouer
Écrivez `decrire_texte(texte)` qui renvoie un dictionnaire avec `caracteres`, `mots` et `types` (nombre de mots distincts en minuscules).\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "4263e9de", "metadata": {}, "outputs": [], "source": [ "def decrire_texte(texte):\n", " # TODO\n", " pass" ] }, { "cell_type": "markdown", "id": "94c95c83", "metadata": {}, "source": [ "## 5. Gérer une valeur invalide" ] }, { "cell_type": "markdown", "id": "0b1081a1", "metadata": {}, "source": [ "
\n", "Pourquoi est-ce utile ?
Les données réelles contiennent des cellules vides, inconnu ou des valeurs mal saisies. Une gestion ciblée des exceptions permet de conserver les autres documents, tout en rendant l'anomalie explicite.\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "c7bdf524", "metadata": {}, "outputs": [], "source": [ "def convertir_entier(valeur):\n", " try:\n", " return int(valeur)\n", " except (TypeError, ValueError):\n", " return f\"on ne peut pas convertir '{valeur}'\"\n", "\n", "print(convertir_entier(\"24\"))\n", "print(convertir_entier(\"inconnu\"))" ] }, { "cell_type": "code", "execution_count": null, "id": "1c9faaf9", "metadata": {}, "outputs": [], "source": [ "# Exemple : convertir des années sans perdre tout le corpus\n", "documents = [\n", " {\"titre\": \"A\", \"annee\": \"2021\"},\n", " {\"titre\": \"B\", \"annee\": \"inconnue\"},\n", " {\"titre\": \"C\", \"annee\": \"2024 \"},\n", "]\n", "for document in documents:\n", " document[\"annee_num\"] = convertir_entier(document[\"annee\"])#annee_num contiendra l'année sous forme d'entier\n", "print(documents)" ] }, { "cell_type": "markdown", "id": "a8bb0288", "metadata": {}, "source": [ "
\n", "Complétez la fonction `moyenne_valide(valeurs)` qui calcule la moyenne pour les 2 séries de notes\n", "
" ] }, { "cell_type": "code", "execution_count": null, "id": "d2851806", "metadata": {}, "outputs": [], "source": [ "def moyenne_valide(valeurs):\n", " # TODO: calculer la moyenne des données de valeurs et stocker dans une variable nommée 'moyenne'\n", " return moyenne\n", "serie1 = [12,15,\"17\", 14, \"8\", 12, \"9\"]\n", "serie2 = [5, 2, \"15\", 18, \"6\", \"0\", 17]\n" ] }, { "cell_type": "markdown", "id": "2d313268", "metadata": {}, "source": [ "## 6. Persistence\n", "\n", "Observer la différence entre deux manières de copier une liste" ] }, { "cell_type": "code", "execution_count": null, "id": "a0ff18c3-3abd-413e-986a-8ac1a0e9af7c", "metadata": {}, "outputs": [], "source": [ "toto = [13, 12, 8]\n", "titi = toto\n", "print(titi)\n", "titi.append(14)\n", "print(titi)\n", "print(toto)" ] }, { "cell_type": "code", "execution_count": null, "id": "41041e97-924d-4789-ba7e-ec486e5b2311", "metadata": {}, "outputs": [], "source": [ "toto = [13, 12, 8]\n", "titi = toto.copy()\n", "print(titi)\n", "titi.append(14)\n", "print(titi)\n", "print(toto)" ] }, { "cell_type": "code", "execution_count": null, "id": "681d5fc5-f0e8-4f5d-af90-50ff90bbdd51", "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.10.9" } }, "nbformat": 4, "nbformat_minor": 5 }