Corrigé contrôle 6

import pandas

1. Charger les données du fichier excel

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

2. Afficher la plus grande valeur de la colonne RT.

df["RT"].max()

103152

3. Placer dans une DataFrame df_1 les essais dont la réponse est 1. Placer dans une DataFrame df_2 les essais dont la réponse est 2.

df_1 = pandas.DataFrame(df[df["Response"] == 1])
df_2 = pandas.DataFrame(df[df["Response"] == 2])

4. Ajouter à la DataFrame df_1 une colonne booléenne « juste » indiquant si la réponse est correcte (c’est-à-dire si Dist_A est plus petit que Dist_B). Ajouter à la DataFrame df_2 une colonne booléenne « juste » indiquant si la réponse est correcte (c’est-à-dire si Dist_B est plus petit que Dist_A).

df_1["juste"] = (df_1["Dist_A"] < df_1["Dist_B"])
df_2["juste"] = (df_2["Dist_A"] > df_2["Dist_B"])

5. Placer dans df_j l’assemblage des deux DataFrames df_1 et df_2.

df_j = pandas.concat([df_1, df_2])

6. Créer une Series compte_total comptant le nombre d’essais pour chaque Subject et chaque Response. Créer une Series compte_juste comptant le nombre d’essais justes pour chaque Subject et chaque Response.

compte_total = df_j.groupby(by=["Subject", "Response"])["RT"].count()
compte_juste = df_j[df_j["juste"]].groupby(by=["Subject", "Response"])["RT"].count()

7. Créer une Series taux_juste indiquant le pourcentage de réponses justes pour chaque Subject et chaque Response.

taux_juste = (compte_juste / compte_total * 100).rename("taux_juste")

taux_juste

Subject    Response
P_ADI_331  1           84.042553
           2           80.188679
P_ALM_345  1           79.807692
           2           82.291667
P_AMY_346  1           78.873239
           2           82.887701
P_BAM_347  1           80.434783
           2           75.925926
P_BEH_340  1           80.444444
           2           89.142857
P_BLC_325  1           75.000000
           2           79.234973
P_BLR_321  1           80.838323
           2           72.413793
P_BOA_321  1           84.693878
           2           83.743842
P_BOC_342  1           72.811060
           2           77.049180
P_CAR_327  1           72.222222
           2           64.830508
P_CAV_333  1           86.432161
           2           86.069652
P_CON_336  1           79.820628
           2           87.570621
P_GAM_338  1           85.643564
           2           86.363636
P_GHM_334  1           82.323232
           2           81.683168
P_GRC_341  1           80.500000
           2           80.500000
P_GRF_322  1           75.418994
           2           70.909091
P_LAC_354  1           82.162162
           2           77.674419
P_LEG_335  1           78.873239
           2           82.887701
P_MOE_339  1           85.714286
           2           89.473684
P_ROS_336  1           82.464455
           2           86.243386
P_SOA_337  1           73.542601
           2           79.661017
P_TAI_343  1           83.720930
           2           75.438596
P_VAL_329  1           68.867925
           2           71.276596
P_VAR_330  1           83.139535
           2           75.000000
Name: taux_juste, dtype: float64