Partie 2 · Bronze, Silver, Gold

Réparer la cause et justifier ses choix

Le TP insiste : réparer la cause, pas le symptôme. Sa partie 3 demande de corriger l'encodage des libellés (« Accčs » vers « Accès »), de normaliser la casse des communes et les formats de dates, d'imputer les codes postaux manquants par géocodage inverse (GPS vers CP) et de détecter et corriger les unités de puissance (W contre kW). Le livrable est un dataset nettoyé et enrichi, avec le score qualité APRÈS.

Vérifie que tu as compris

Que signifie « réparer la cause, pas le symptôme » pour l'encodage ?

Chaque décision de nettoyage est consignée dans le Journal de décisions : une ligne par problème avec les options envisagées, le choix retenu et la justification métier.

Problème	Options	Choix	Justification
Doublons id_pdc	tout supprimer / garder récent	garder date_maj max	une borne = un point physique
CP manquant 41 %	supprimer / médiane / géocoder	géocodage inverse	conserver le volume utile
lon_lat = False	jeter / corriger / flagger	garder + warning	couverture vs fiabilité appli

C'est là que se joue la note : le journal vaut 25 points et la défense orale 15 (soit 40 % du total pour le raisonnement).

À toi de coder

Imputer un revenu par la médiane

Pour une valeur numérique, l'imputation par la médiane est une option défendable (hors cours : à justifier). Écris imputer_median(lignes) : remplace les revenus None par la médiane des revenus présents, sans modifier les autres.

LIGNES = [{"id": 1, "revenu": 30000}, {"id": 2, "revenu": None}, {"id": 3, "revenu": 50000}, {"id": 4, "revenu": 90000}]

import statistics

def imputer_median(lignes):
    vals = [l["revenu"] for l in lignes if l["revenu"] is not None]
    m = statistics.___(vals)
    return [{**l, "revenu": m if l["revenu"] is None else l["revenu"]} for l in lignes]

Ctrl/⌘+Entrée

Vérifie que tu as compris

Pourquoi le CP manquant n'est-il pas imputé par la médiane dans le journal ?

Dans l'exercice fil rouge, l'étape 5 formalise le même esprit sous forme de rapport qualité : nombre initial et final de lignes, doublons supprimés, valeurs manquantes traitées, liste des règles de qualité appliquées et justification des choix de nettoyage. Le TP exige aussi une mesure avant / après du score.