44 lines
2.7 KiB
Markdown
44 lines
2.7 KiB
Markdown
# Projet 02 : Analyse et Exploration des Données sur les Arbres Parisiens
|
||
|
||
## Objectif du projet
|
||
Explorer et analyser un jeu de données sur les arbres de Paris afin de comprendre leurs caractéristiques et identifier des relations pertinentes entre variables.
|
||
Ce projet met l’accent sur le **nettoyage des données**, la **gestion des anomalies** et la **visualisation statistique** pour préparer le dataset à des analyses ultérieures.
|
||
|
||
## Contenu du projet
|
||
|
||
- `Mureau_Grégoire_functions_012025.py` : fonctions utilitaires pour le nettoyage, la transformation et l’analyse des données.
|
||
- `paris_trees_analysis.py` : script principal pour exécuter les traitements sur le dataset.
|
||
- `paris_trees_analysis_notebook.ipynb` : notebook détaillant toutes les étapes de l’exploration et du nettoyage.
|
||
- `soutenance_projet2_presentation.pdf` : support de présentation pour la soutenance.
|
||
|
||
## Étapes principales du notebook
|
||
|
||
1. **Chargement et Aperçu des Données**
|
||
- Import des données à partir du fichier CSV.
|
||
- Affichage des premières lignes pour un aperçu rapide.
|
||
- Inspection de la structure et des types de données du DataFrame.
|
||
|
||
2. **Analyse Exploratoire Initiale**
|
||
- Utilisation des méthodes pandas (`info()`, `head()`, `describe()`) pour obtenir :
|
||
- Taille du dataset
|
||
- Types de colonnes
|
||
- Valeurs manquantes
|
||
- Statistiques descriptives pour les variables numériques.
|
||
|
||
3. **Identification et Nettoyage des Anomalies**
|
||
- **Valeurs aberrantes** : identification pour la circonférence et la hauteur des arbres ; certaines valeurs extrêmes remplacées par `NaN` ou corrigées.
|
||
- **Valeurs manquantes** : analyse approfondie des colonnes avec NaN ; imputation partielle pour certaines variables (`domanialite`, `libelle_francais`) en utilisant des colonnes corrélées (`genre`, `espece`, `variete`).
|
||
|
||
4. **Analyse Univariée et Bivariée (après nettoyage)**
|
||
- **Analyse univariée** : distribution des variables individuelles (quantitatives et catégorielles) visualisée via histogrammes, boxplots et diagrammes circulaires.
|
||
- **Analyse bivariée** : relations entre paires de variables, notamment :
|
||
- `remarquable` vs variables quantitatives (`hauteur_m`, `circonference_cm`)
|
||
- `remarquable` vs variables catégorielles (`espece`).
|
||
|
||
## Résultat attendu
|
||
- Compréhension globale du dataset sur les arbres parisiens.
|
||
- Dataset nettoyé et prêt pour des analyses plus avancées ou des modélisations futures.
|
||
- Visualisations et analyses statistiques documentant les distributions et les relations clés.
|
||
|
||
## Notes
|
||
Ce projet met en lumière les étapes essentielles du **nettoyage de données** et de l’**exploration statistique**, qui sont fondamentales pour tout projet de data analysis.
|