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

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]

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()

54405

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

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

df["reussi"] = reussis
df

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

Méthode alternative avec .loc[condition,colonne]

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

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