Dernière mise à jour le 2024-10-04

Corrigé des exercices

UE8: introduction à l’analyse de données du master Santé de l’ISTR

Imports de bibliothèques et chargement des données

import pandas
df = pandas.read_excel("Donnees_M2_RD.xlsx")

On affiche df pour avoir une idée des données ous les yeux

df

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT
0	P_ADI_331	0	2	2	4	Dic	E	D	2	18865
1	P_ADI_331	1	4	4	1	Dic	E	D	2	13157
2	P_ADI_331	4	3	3	2	Dic	E	D	1	11628
3	P_ADI_331	2	4	4	1	Dic	E	D	1	10068
4	P_ADI_331	1	2	2	4	Dic	E	D	1	11801
...	...	...	...	...	...	...	...	...	...	...
9589	P_VAR_330	0	1	3	5	Dio	I	D	1	7626
9590	P_VAR_330	3	2	5	1	Dio	I	D	2	6349
9591	P_VAR_330	2	0	4	2	Dio	I	D	2	9031
9592	P_VAR_330	0	2	2	1	Dio	I	D	2	16323
9593	P_VAR_330	0	3	5	1	Dio	I	D	2	10139

9594 rows × 10 columns

Pandas

Projections et filtres simples

Donner les valeurs de la colonne “RT”

df["RT"]

0       18865
1       13157
2       11628
3       10068
4       11801
        ...  
9589     7626
9590     6349
9591     9031
9592    16323
9593    10139
Name: RT, Length: 9594, dtype: int64

Donner les différentes valeurs possible pour la colonne “Subject”

df["Subject"].drop_duplicates()

0       P_ADI_331
400     P_ALM_345
800     P_AMY_346
1200    P_BAM_347
1600    P_BEH_340
2000    P_BLC_325
2399    P_BLR_321
2798    P_BOA_321
3197    P_BOC_342
3597    P_CAR_327
3995    P_CAV_333
4395    P_CON_336
4795    P_GAM_338
5195    P_GHM_334
5595    P_GRC_341
5995    P_GRF_322
6394    P_LAC_354
6794    P_LEG_335
7194    P_MOE_339
7594    P_ROS_336
7994    P_SOA_337
8394    P_TAI_343
8794    P_VAL_329
9194    P_VAR_330
Name: Subject, dtype: object

Filtrer la dataframe pour ne garder que les lignes dont le “RT” est plus petit que 10 000.

cond = (df["RT"] < 10000)
cond

0       False
1       False
2       False
3       False
4       False
        ...  
9589     True
9590     True
9591     True
9592    False
9593    False
Name: RT, Length: 9594, dtype: bool

df[cond]

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT
20	P_ADI_331	1	2	3	5	Dic	E	D	1	8564
24	P_ADI_331	1	4	1	5	Dic	E	D	1	7805
27	P_ADI_331	2	0	3	1	Dic	E	D	2	9533
29	P_ADI_331	1	4	3	2	Dic	E	D	2	9887
33	P_ADI_331	0	4	5	2	Dic	E	D	2	8152
...	...	...	...	...	...	...	...	...	...	...
9587	P_VAR_330	2	3	4	1	Dio	I	D	2	7823
9588	P_VAR_330	0	3	3	1	Dio	I	D	2	6153
9589	P_VAR_330	0	1	3	5	Dio	I	D	1	7626
9590	P_VAR_330	3	2	5	1	Dio	I	D	2	6349
9591	P_VAR_330	2	0	4	2	Dio	I	D	2	9031

4528 rows × 10 columns

Combiner les projections et les filtres

Indiquer la valeur de “RT” pour les essais en mode “Dic”.

df[df["Mode"] == "Dic"]["RT"]

0       18865
1       13157
2       11628
3       10068
4       11801
        ...  
9539    11587
9540     7388
9541     5454
9542    11399
9543     5379
Name: RT, Length: 4795, dtype: int64

Créer une Series indiquant pour chaque essai si la réponse est juste ou non.

(((df["Dist_A"] > df["Dist_B"]) & (df["Response"] == 2)) 
 | ((df["Dist_A"] < df["Dist_B"]) & (df["Response"] == 1)))

0       False
1        True
2       False
3       False
4        True
        ...  
9589     True
9590     True
9591     True
9592     True
9593     True
Length: 9594, dtype: bool

Indiquer les “Suject” qui ont répondu en moins de 4 000 (“RT” inférieur à 4 000)

df[df["RT"] < 4000]["Subject"].drop_duplicates()

645     P_ALM_345
883     P_AMY_346
1306    P_BAM_347
2407    P_BLR_321
3263    P_BOC_342
4133    P_CAV_333
4458    P_CON_336
5306    P_GHM_334
5628    P_GRC_341
7188    P_LEG_335
7452    P_MOE_339
7941    P_ROS_336
9252    P_VAR_330
Name: Subject, dtype: object

Agrégations globales

Donner la moyenne de “RT”.

df["RT"].mean()

12050.088597039816

Donner le plus grand “RT” pour le “Subject” “P_ROS_336”

df[df["Subject"] == "P_ROS_336"]["RT"].max()

Donner l’écart-type de “RT” pour les essais réussis (utiliser .std())

reussis = ((df["Dist_A"] > df["Dist_B"]) & (df["Response"] == 2)) | ((df["Dist_A"] < df["Dist_B"]) & (df["Response"] == 1))
df[reussis]["RT"].std()

6505.738105682206

Création de colonnes

Ajouter une colonne “nombre” valant 1

df["nombre"] = 1
df

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT	nombre
0	P_ADI_331	0	2	2	4	Dic	E	D	2	18865	1
1	P_ADI_331	1	4	4	1	Dic	E	D	2	13157	1
2	P_ADI_331	4	3	3	2	Dic	E	D	1	11628	1
3	P_ADI_331	2	4	4	1	Dic	E	D	1	10068	1
4	P_ADI_331	1	2	2	4	Dic	E	D	1	11801	1
...	...	...	...	...	...	...	...	...	...	...	...
9589	P_VAR_330	0	1	3	5	Dio	I	D	1	7626	1
9590	P_VAR_330	3	2	5	1	Dio	I	D	2	6349	1
9591	P_VAR_330	2	0	4	2	Dio	I	D	2	9031	1
9592	P_VAR_330	0	2	2	1	Dio	I	D	2	16323	1
9593	P_VAR_330	0	3	5	1	Dio	I	D	2	10139	1

9594 rows × 11 columns

Ajouter une colonne “reussi” qui indique si l’essai est réussi.

df["reussi"] = reussis
df

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT	nombre	reussi
0	P_ADI_331	0	2	2	4	Dic	E	D	2	18865	1	False
1	P_ADI_331	1	4	4	1	Dic	E	D	2	13157	1	True
2	P_ADI_331	4	3	3	2	Dic	E	D	1	11628	1	False
3	P_ADI_331	2	4	4	1	Dic	E	D	1	10068	1	False
4	P_ADI_331	1	2	2	4	Dic	E	D	1	11801	1	True
...	...	...	...	...	...	...	...	...	...	...	...	...
9589	P_VAR_330	0	1	3	5	Dio	I	D	1	7626	1	True
9590	P_VAR_330	3	2	5	1	Dio	I	D	2	6349	1	True
9591	P_VAR_330	2	0	4	2	Dio	I	D	2	9031	1	True
9592	P_VAR_330	0	2	2	1	Dio	I	D	2	16323	1	True
9593	P_VAR_330	0	3	5	1	Dio	I	D	2	10139	1	True

9594 rows × 12 columns

Ajouter une colonne “nombre_reussis” qui vaut 1 si l’essai est réussi et 0 sinon.

df_r = pandas.DataFrame(df[df["reussi"]])
df_r["nombre_reussis"] = 1
df_e = pandas.DataFrame(df[~ reussis])
df_e["nombre_reussis"] = 0
df2 = pandas.concat([df_r,df_e])
df2

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT	nombre	reussi	nombre_reussis
1	P_ADI_331	1	4	4	1	Dic	E	D	2	13157	1	True	1
4	P_ADI_331	1	2	2	4	Dic	E	D	1	11801	1	True	1
6	P_ADI_331	2	1	3	4	Dic	E	D	1	16347	1	True	1
7	P_ADI_331	0	3	2	4	Dic	E	D	1	13237	1	True	1
8	P_ADI_331	2	0	4	2	Dic	E	D	2	12589	1	True	1
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9579	P_VAR_330	4	3	3	4	Dio	I	D	2	12271	1	False	0
9581	P_VAR_330	3	2	5	4	Dio	I	D	1	11327	1	False	0
9582	P_VAR_330	1	0	3	5	Dio	I	D	2	15942	1	False	0
9583	P_VAR_330	0	4	4	5	Dio	I	D	2	45627	1	False	0
9585	P_VAR_330	0	3	2	3	Dio	I	D	2	16671	1	False	0

9594 rows × 13 columns

Méthode alternative avec .loc[condition,colonne]

df.loc[df["reussi"], "nombre_reussis"] = 1
df.loc[~ (df["reussi"]), "nombre_reussis"] = 0
df

	Subject	Name_A	Name_B	Dist_A	Dist_B	Mode	Space	Side	Response	RT	nombre	reussi	nombre_reussis
0	P_ADI_331	0	2	2	4	Dic	E	D	2	18865	1	False	0.0
1	P_ADI_331	1	4	4	1	Dic	E	D	2	13157	1	True	1.0
2	P_ADI_331	4	3	3	2	Dic	E	D	1	11628	1	False	0.0
3	P_ADI_331	2	4	4	1	Dic	E	D	1	10068	1	False	0.0
4	P_ADI_331	1	2	2	4	Dic	E	D	1	11801	1	True	1.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9589	P_VAR_330	0	1	3	5	Dio	I	D	1	7626	1	True	1.0
9590	P_VAR_330	3	2	5	1	Dio	I	D	2	6349	1	True	1.0
9591	P_VAR_330	2	0	4	2	Dio	I	D	2	9031	1	True	1.0
9592	P_VAR_330	0	2	2	1	Dio	I	D	2	16323	1	True	1.0
9593	P_VAR_330	0	3	5	1	Dio	I	D	2	10139	1	True	1.0

9594 rows × 13 columns

Groupes simples

Donner la moyenne du temps de réaction (“RT”) pour chaque “Subject”.

df.groupby(by="Subject")["RT"].mean()

Subject
P_ADI_331    10042.732500
P_ALM_345    13103.350000
P_AMY_346     9561.292500
P_BAM_347     9096.540000
P_BEH_340    13187.195000
P_BLC_325    11366.338346
P_BLR_321     9657.929825
P_BOA_321    15787.130326
P_BOC_342    12779.680000
P_CAR_327    12457.844221
P_CAV_333    10551.257500
P_CON_336     8352.742500
P_GAM_338    11805.215000
P_GHM_334    11220.800000
P_GRC_341    11213.115000
P_GRF_322    15652.556391
P_LAC_354    15617.710000
P_LEG_335    10904.325000
P_MOE_339     8470.447500
P_ROS_336    16019.425000
P_SOA_337    10051.175000
P_TAI_343    16413.327500
P_VAL_329    13661.730000
P_VAR_330    12240.965000
Name: RT, dtype: float64

Donner le nombre d’essais pour chaque “Subject” en utilisant .count().

df.groupby(by="Subject")["RT"].count()

Subject
P_ADI_331    400
P_ALM_345    400
P_AMY_346    400
P_BAM_347    400
P_BEH_340    400
P_BLC_325    399
P_BLR_321    399
P_BOA_321    399
P_BOC_342    400
P_CAR_327    398
P_CAV_333    400
P_CON_336    400
P_GAM_338    400
P_GHM_334    400
P_GRC_341    400
P_GRF_322    399
P_LAC_354    400
P_LEG_335    400
P_MOE_339    400
P_ROS_336    400
P_SOA_337    400
P_TAI_343    400
P_VAL_329    400
P_VAR_330    400
Name: RT, dtype: int64

Donner le nombre d’essais pour chaque “Subject” en utilisant .sum() et la colonne “nombre”.

df.groupby(by="Subject")["nombre"].sum()

Subject
P_ADI_331    400
P_ALM_345    400
P_AMY_346    400
P_BAM_347    400
P_BEH_340    400
P_BLC_325    399
P_BLR_321    399
P_BOA_321    399
P_BOC_342    400
P_CAR_327    398
P_CAV_333    400
P_CON_336    400
P_GAM_338    400
P_GHM_334    400
P_GRC_341    400
P_GRF_322    399
P_LAC_354    400
P_LEG_335    400
P_MOE_339    400
P_ROS_336    400
P_SOA_337    400
P_TAI_343    400
P_VAL_329    400
P_VAR_330    400
Name: nombre, dtype: int64

Donner le nombre d’essais réussis pour chaque “Subject” en utilisant un filtre puis .count().

df[df["reussi"]].groupby(by="Subject")["RT"].count()

Subject
P_ADI_331    328
P_ALM_345    324
P_AMY_346    323
P_BAM_347    312
P_BEH_340    337
P_BLC_325    307
P_BLR_321    303
P_BOA_321    336
P_BOC_342    299
P_CAR_327    270
P_CAV_333    345
P_CON_336    333
P_GAM_338    344
P_GHM_334    328
P_GRC_341    322
P_GRF_322    291
P_LAC_354    319
P_LEG_335    323
P_MOE_339    350
P_ROS_336    337
P_SOA_337    305
P_TAI_343    316
P_VAL_329    280
P_VAR_330    314
Name: RT, dtype: int64

Donner le nombre d’essais réussis pour chaque “Subject” en utilisant .sum() et la colonne “nombre_reussis”.

df.groupby(by="Subject")["nombre_reussis"].sum()

Subject
P_ADI_331    328.0
P_ALM_345    324.0
P_AMY_346    323.0
P_BAM_347    312.0
P_BEH_340    337.0
P_BLC_325    307.0
P_BLR_321    303.0
P_BOA_321    336.0
P_BOC_342    299.0
P_CAR_327    270.0
P_CAV_333    345.0
P_CON_336    333.0
P_GAM_338    344.0
P_GHM_334    328.0
P_GRC_341    322.0
P_GRF_322    291.0
P_LAC_354    319.0
P_LEG_335    323.0
P_MOE_339    350.0
P_ROS_336    337.0
P_SOA_337    305.0
P_TAI_343    316.0
P_VAL_329    280.0
P_VAR_330    314.0
Name: nombre_reussis, dtype: float64