Partie 2 · Python et projet
Comprendre le dataset
Dataset fil rouge : un dataset immobilier fictif de 300 logements situés dans plusieurs villes françaises. Chaque ligne = un logement ; chaque colonne = une variable décrivant ce logement. On se met dans la peau d'un analyste immobilier et on pose des questions d'EDA :
- quels sont les prix moyens ?
- les logements sont-ils chers selon la ville ?
- la surface influence-t-elle le prix ?
- les logements récents sont-ils plus chers ?
Vérifie que tu as compris
Avant de tracer un graphique, on regarde : les premières lignes, les types de variables, les statistiques descriptives.
df = pd.read_csv("housing_dataviz_course_dataset.csv") df.head() # premières lignes df.describe() # statistiques descriptives
Pour les types des variables, la méthode usuelle est df.info() (hors cours : la diapo reprend describe() pour les deux). Pour supprimer la notation scientifique : pd.options.display.float_format = '{:,.0f}'.format.
Vérifie que tu as compris
Le cours demande de lire les chiffres d'un describe() en une phrase : « Dans ce dataset [statistique] est d'environ…, ce qui signifie que… ». Lectures du cours :
| Statistique | Lecture |
|---|---|
| count du prix = 300 | 300 logements ont un prix renseigné |
| moyenne des pièces ≈ 3,5 | en moyenne, les logements comptent environ 3,5 pièces |
| std de la surface ≈ 20 m² | la surface s'écarte en moyenne d'environ 20 m² autour de la surface moyenne |
| min de la surface = 25,2 m² | le plus petit logement mesure 25,2 m² |
| max de la surface = 167,1 m² | le plus grand logement mesure 167,1 m² |
| 25 % de l'année de construction = 1970 | 25 % des logements ont été construits avant 1970 |
| 50 % du prix ≈ 517 750 € | la moitié des logements coûtent moins que ce prix (médiane) |
| 75 % du prix ≈ 620 695 € | 75 % des logements coûtent moins d'environ 620 695 € |
Vérifie que tu as compris
Vérifie que tu as compris