4. Données structurées & traitement des données

• Identifier les principaux formats et représentations de données.
• Identifier les différents descripteurs d’un objet.
• Distinguer la valeur d’une donnée de son descripteur.

Pour pouvoir manipuler des données efficacement, il faut qu’elles soient structurées, c’est-à-dire organisées.

Si vous voulez décrire, par exemple, le personnage d’un film, vous pouvez écrire un texte qui contiendra des informations, donc des données. Ces données ne sont pas structurées. Une personne qui veut obtenir des informations sur ce personnage à partir de votre texte devra l’analyser.

Par contre, vous pouvez présenter ce personnage sous forme de « fiche » avec plusieurs descripteurs : le nom de l’acteur qui interprète le personnage, l’âge du personnage, son métier, etc.
Sous cette forme, on parle de données structurées.

Structure de données

Des données structurées sont composées, pour chaque « objet » (au sens large) qu’elles décrivent, de descripteurs (qui identifie le type de données) et de valeurs associées à chaque descripteur.

Par exemple, des données sur une personne pourront être composées de 2 descripteurs (Nom et n° de téléphone) associés à 2 valeurs.

Une collection de données est contituée de données sur plusieurs objets, ces données partageant la même structure.

Une base de données est constituée de plusieurs collections de données reliées entre elles. Par exemple, on pourrait imaginer une table avec comme données les noms des différents employés d’une entreprises.

Le croisement de ces deux tables permet d’obteir, par exemple, le numéro de téléphone du responsable technique de l’entreprise.

C’est tout l’intérêt et le rôle des bases de données : fournir, à la demande, une ou plusieurs données à partir de nombreuses tables.

Formats de données structurées

Pour un être humain, l’organisation de données structurées se fait plutôt sous forme de tableaux, qui ont l’avantage d’être faciles à lire.

Mais le traitement des données se fait essentiellement à l’aide de programmes informatiques. Il existe donc plusieurs formats pour coder des données structurées.

Ces différents formats peuvent se diviser en deux catégories : soit il s’agit de listes (c’est-à-dire une liste de valeurs sans descripteur – mais alors il faut indiquer quels sont les descripteurs au début des données), soit – et c’est la solution la plus fréquente – il s’agit de couples (descripteur : attribut)

Le format CSV

Voici les données de la table précédente au format CSV (Comma Separated Value) :

			Nom,Téléphone

			Dupović Goran,063 12 34 567

			Vapatrović Dejan,061 76 54 321

			Ilisić Stefan,064 71 52 346
	

Le format JSON

Le format JSON est devenu un standard manipulable par de nombreux langages programmations différents, grâce à sa simplicité, sa souplesse et sa lisibilité par les êtres humains.

	[
		{Nom : "Dupović Goran", Téléphone : "063 12 34 567"},
		{Nom : "Vapatrović Dejan", Téléphone : "061 76 54 321"},
		{Nom : "Ilisić Stefan", Téléphone : "064 71 52 346"}
	]
	

Et en Python ?

Python gère les listes, que vous connaissez, mais aussi les dictionnaires, qui sont des listes de couples (descripteur : attribut) aussi appelé (clé : valeur).

Voici les données de la table précédente dans différents formats Python.

		# En liste
		[
			["Dupović Goran","063 12 34 567"],
			["Vapatrović Dejan", "061 76 54 321"],
			["Ilisić Stefan", "064 71 52 346"]
		]
		
		# En dictionnaire
		[
			{"Nom" : "Dupović Goran", "Téléphone" : "063 12 34 567"},
			{"Nom" : "Vapatrović Dejan", "Téléphone" : "061 76 54 321"},
			{"Nom" : "Ilisić Stefan", "Téléphone" : "064 71 52 346"}
		]
	

			notes = [
				{"nom" : "eleve_01", "math" : 10, "anglais" : 16, "français" : 12, "snt" : 8},
				{"nom" : "eleve_02", "math" : 12, "anglais" : 17, "français" : 14, "snt" : 12},
				{"nom" : "eleve_03", "math" : 8,  "anglais" : 13, "français" : 15, "snt" : 3},
				{"nom" : "eleve_04", "math" : 17, "anglais" : 14, "français" : 14, "snt" : 18},
				{"nom" : "eleve_05", "math" : 13, "anglais" : 15, "français" : 16, "snt" : 13},
			]
		

			notes_eps = [
				{"nom" : "eleve_01", "eps" : 16},
				{"nom" : "eleve_02", "eps" : 15},
				{"nom" : "eleve_03", "eps" : 20},
				{"nom" : "eleve_04", "eps" : 12},
				{"nom" : "eleve_05", "eps" : 13},
			]
		

			for eleve in notes :
				print (eleve["math"])
		

			for i in range(5) :
				notes[i]["eps"] = notes_eps[i]["eps"]
		

			for eleve in notes :
				if eleve["snt"] < 10 :
					eleve["snt"] += 2
		

• Utiliser un site de données ouvertes, pour sélectionner et récupérer des données.
• Réaliser des opérations de recherche, filtre, tri ou calcul sur une ou plusieurs tables.

Pour cette partie, nous allons exploiter des données publiques rassemblées par l’État français concernant l’épidémie de COVID-19, sur le site data.gouv.fr.

Rendez-vous sur cette page et trouvez, puis téléchargez le fichier de données concernant le résultat des tests quotidiens réalisés sur l’ensemble du territoire français.

Affichez les données dans le logiciel adapté et répondez aux questions suivantes :

Voici deux petits exercices pour réviser le contrôle.

		stock = [
		{"nom" : "ordinateur_01", "prix" : 500, "qte" : 16},
		{"nom" : "ordinateur_02", "prix" : 800, "qte" : 8},
		{"nom" : "ordinateur_03", "prix" : 1200, "qte" : 3},
		]
	

		i = 2 # on donne la valeur qu’on veut à i
		if stock[i]["qte"] < 5 :
			print ("stock bas")