Notebook de la séance 3

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

df

Donner le nombre de sujets.

df['Subject'].drop_duplicates().count()

24

Donner le nombre d’essais pour lesquels le deuxième prénom est Justin.

# df[df['Name_B'] == 3].count()
# ne marche pas car fait un décompte par colonne

df[df['Name_B'] == 3]['RT'].count()
# Fonctionne mais ["RT"] est juste là pour obtenir une serie à décompter

1918

Donner le nombre d’essais ayant un temps de réponse supérieur à 20000 dixièmes de ms.

df[df["RT"] > 20000]["RT"].count()

943

Donner la moyenne des temps de réponse lorsque le prénom joué en premier est celui du sujet.

df[df["Name_A"] == 0]["RT"].mean()

12154.498435870699

Les sujets ayant au moins une fois répondu en plus de 50000 dixièmes de ms.

df[df["RT"] > 50000]["Subject"].drop_duplicates()

650     P_ALM_345
1733    P_BEH_340
2798    P_BOA_321
3232    P_BOC_342
3872    P_CAR_327
4953    P_GAM_338
6447    P_LAC_354
7609    P_ROS_336
8424    P_TAI_343
9091    P_VAL_329
9373    P_VAR_330
Name: Subject, dtype: object

(df["RT"] + 20000) > 50000

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

df['Dist_A'] - df['Dist_B']

0      -2
1       3
2       1
3       3
4      -2
       ..
9589   -2
9590    4
9591    2
9592    1
9593    4
Length: 9594, dtype: int64

df

df[df["RT"]>10000]["Dist_A"] - df[df["RT"]<11000]["Dist_B"]

0       NaN
1       NaN
2       NaN
3       3.0
4       NaN
       ... 
9589    NaN
9590    NaN
9591    NaN
9592    NaN
9593    4.0
Length: 9594, dtype: float64

df['diff_dist'] = df['Dist_A'] - df['Dist_B']

df

Création d’une colonne qui indique si le sujet s’est trompé dans sa réponse. Si la réponse est 1, le sujet a bien répondu si Dist_A est inférieur à Dist_B. Sinon, la bonne réponse est 2.

reponse1_et_juste = (df["Response"] == 1) & (df["Dist_A"] < df["Dist_B"])
reponse2_et_juste = (df["Response"] == 2) & (df["Dist_A"] > df["Dist_B"])
reponse_juste = reponse1_et_juste | reponse2_et_juste
reponse_juste

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

df["reponse_juste"] = reponse_juste

df

• Découper les données en 2:
  • une Dataframe pour les essais où le temps de réponse est plus petit ou égal à 2 s
  • une Dataframe pour les essais où le temps de réponse est plus grand que 2 s
• Réassembler les Dataframes via concat
• Que dire de l’ordre de l’index ?

df_inf2 = df[df["RT"] <= 20000]
df_sup2 = df[df["RT"] > 20000]
pandas.concat([df_inf2, df_sup2])