Data Mining Filière : 5ème IIR EMSI
Data Mining : Introduction à Python
-TP1-
Exercice1 :Listes
Définir la liste : liste = [17, 38, 10, 25, 72], puis effectuez les actions suivantes :
1. Triez et affichez la liste ;
2. Ajoutez l’élément 12 à la liste et affichez la liste;
3. Renversez et affichez la liste;
4. Affichez l’indice de l’élément 17 ;
5. Enlevez l’élément 38 et affichez la liste ;
6. Affichez la sous-liste du 2ème au 3ème élément ;
7. Affichez la sous-liste du début au 2ème élément;
8. Affichez la sous-liste du 3eélément à la fin de la liste ;
9. Affichez le dernier élément en utilisant un indiçage négatif.
Exercice 2 : Fonction
Soit un permis de chasse qui suit le système de points et dont chaque chasseur dispose initialement
d’un capital de 100 points. Selon l’infraction, le chasseur va perdre des points de la manière
suivante :
⁄ S’il tue une poule il perd 1 point,
⁄ 3 points pour 1 chien,
⁄ 5 points pour une vache,
⁄ 10 points pour un ami.
A noter que le permis coûte 2000 dhs.
1. Écrire une fonction amende qui reçoit le nombre de victimes du chasseur et qui renvoie la
somme due.
2. Utilisez cette fonction dans un programme principal qui saisit le nombre de victimes et qui
affiche la somme que le chasseur doit débourser.
Exercice 3 : Classe
On souhaite calculer la surface des rectangles ou carré ou faisant appel à la notion de classe dans
Python. Réaliser les étapes suivantes :
1. Définir une classe Rectangle avec un constructeur donnant des valeurs (longueur et largeur)
par défaut et un attribut nom = "rectangle", une méthode d’affichage et une méthode surface
renvoyant la surface d’une instance.
2. Définir une classe Carre héritant de Rectangle et qui surcharge l’attribut d’instance : nom =
"carré".
3. Dans le programme principal, instanciez un Rectangle et un Carre et affichez les.
[Link] Charifi
Data Mining Filière : 5ème IIR EMSI
Exercice 4 : DataFrame Manipulation
Soit un fichier Housing_dataset.csv composé de données concernant l’immobilier sur le marché
d’une ville. Il contient 17 variables numériques et catégoriques.
1. Exécuter et commenter les commandes suivantes :
import pandas as pd
import numpy as np
---------------------------------------------------------------------
housing=pd.read_csv('Path / Houseing_dataset.csv')
[Link](10)
--------------------------------------------------------------------------
[Link]()
----------------------------------------------------------------------------
[Link](columns=['BROKERTITLE','MAIN_ADDRESS','FORMATTED_ADDRESS'],inplace=True)
[Link]()
-----------------------------------------------------------------------------
[Link]().sum()
2. Vérifier si ce jeu de données contient des duplicates. Si c’est le cas, éliminer les et vérifier
encore une fois s’ils persistent.
3. Exécuter la commande suivante : [Link]()
[Link] Charifi