Mini-projet pandas avec Our World in Data

Démarche de résolution

Enregistrer le fichier dans le dossier TD5, ouvrir ce dossier dans VS Code, puis y lancer Python. exist_ok=True permet de réexécuter sans erreur si out existe déjà.

Code Python commenté

from pathlib import Path

out_dir = Path("out")
out_dir.mkdir(exist_ok=True)

Résultat et interprétation

Un dossier out existe dans le dossier courant. Les images et tableaux y seront enregistrés.

Démarche de résolution

Afficher le lieu depuis lequel Python travaille, qui peut être différent du dossier où le script est enregistré.

Code Python commenté

print("Dossier courant :", Path.cwd())
print("Le dossier out existe :", out_dir.exists())
# Ces affichages de diagnostic peuvent être retirés après vérification.

Résultat et interprétation

Le premier chemin dépend de votre ordinateur ; le second affichage doit être True. Aucun chemin personnel n’est nécessaire dans le code.

Sortie de l’exécution de référence :

Dossier courant : <dossier TD5 de cette exécution>
Le dossier out existe : True

Démarche de résolution

L’énoncé propose la lecture distante et autorise la lecture locale. La ligne distante est indiquée ci-dessous ; le corrigé exécute la copie du dépôt pour garantir les mêmes résultats hors connexion. Pour un essai en ligne, remplacer la ligne locale par la ligne commentée.

Code Python commenté

import pandas as pd

url = "https://ourworldindata.org/grapher/gdp-per-capita-worldbank.csv"
# Version en ligne de l'énoncé : df = pd.read_csv(url)
df = pd.read_csv("data/gdp-per-capita-worldbank.csv")
print(df.head())
print(df.shape)
print(df.columns)
# Copie locale fournie : 7445 lignes et 5 colonnes.

Résultat et interprétation

La copie locale contient 7445 lignes et 5 colonnes. head affiche les cinq premières lignes ; shape donne (lignes, colonnes). Le fichier distant peut avoir d’autres dimensions.

Sortie de l’exécution de référence :

        Entity Code  Year  GDP per capita World region according to OWID
0  Afghanistan  AFG  2000       1617.8264                           Asia
1  Afghanistan  AFG  2001       1454.1108                           Asia
2  Afghanistan  AFG  2002       1774.3087                           Asia
3  Afghanistan  AFG  2003       1815.9282                           Asia
4  Afghanistan  AFG  2004       1776.9182                           Asia
(7445, 5)
Index(['Entity', 'Code', 'Year', 'GDP per capita',
       'World region according to OWID'],
      dtype='object')

Démarche de résolution

Lire les noms avant de sélectionner la colonne. La dernière colonne du fichier local contient une région, et non le PIB.

Code Python commenté

print(list(df.columns))
print("Dernière colonne :", df.columns[-1])
# Le PIB de la copie fournie est dans "GDP per capita".
value_col = "GDP per capita"
print("Colonne du PIB :", value_col)
print("Type de cette colonne :", df[value_col].dtype)

Résultat et interprétation

Colonnes : Entity, Code, Year, GDP per capita, World region according to OWID. df.columns[-1] renvoie la région : le raccourci de l’énoncé ne convient pas à ce fichier.

Sortie de l’exécution de référence :

['Entity', 'Code', 'Year', 'GDP per capita', 'World region according to OWID']
Dernière colonne : World region according to OWID
Colonne du PIB : GDP per capita
Type de cette colonne : float64

Démarche de résolution

Réutiliser le nom vérifié à l’exercice 4, puis sélectionner trois colonnes pour contrôler le résultat.

Code Python commenté

df = df.rename(columns={
    "Entity": "country",
    "Code": "code",
    "Year": "year",
    value_col: "gdp_pc"
})
print(df[["country", "year", "gdp_pc"]].head())

Résultat et interprétation

country, year et gdp_pc sont disponibles. gdp_pc reste numérique. Les métadonnées OWID de cet indicateur annoncent des dollars internationaux aux prix de 2021, ajustés pour les différences de prix.

Sortie de l’exécution de référence :

       country  year     gdp_pc
0  Afghanistan  2000  1617.8264
1  Afghanistan  2001  1454.1108
2  Afghanistan  2002  1774.3087
3  Afghanistan  2003  1815.9282
4  Afghanistan  2004  1776.9182

Démarche de résolution

Faire un contrôle ciblé avant de modifier le calcul : interpréteur, chemin, colonne, puis contenu du filtre.

Code Python commenté

# 1. ModuleNotFoundError : pandas n'est pas dans le Python utilisé.
#    Dans le terminal de cet environnement : python3 -m pip install pandas
# 2. FileNotFoundError : vérifier Path.cwd() et l'existence de data/le_fichier.csv.
print("CSV local présent :", Path("data/gdp-per-capita-worldbank.csv").exists())
# 3. KeyError 'gdp_pc' : vérifier le nom exact et relancer le renommage.
print("Colonnes après renommage :", list(df.columns))
# 4. selection vide : vérifier l'année, les données manquantes et les noms.
#    Les contrôles sur latest et selection arrivent aux exercices 7 à 9.

Résultat et interprétation

Le chemin local existe et la liste des colonnes contient gdp_pc. Un tableau vide n’est pas nécessairement une exception Python.

Sortie de l’exécution de référence :

CSV local présent : True
Colonnes après renommage : ['country', 'code', 'year', 'gdp_pc', 'World region according to OWID']

Démarche de résolution

Prendre le maximum de year, filtrer cette année puis retirer les lignes sans PIB. copy crée un extrait de travail indépendant.

Code Python commenté

latest_year = df["year"].max()
latest = df.loc[df["year"] == latest_year].copy()
latest = latest.dropna(subset=["gdp_pc"])
print("Dernière année :", latest_year)
print("Dimensions de latest :", latest.shape)

Résultat et interprétation

2025 et (198, 5) dans la copie fournie. Cette année est commune au filtre, et non la dernière observation propre à chaque pays. latest contient aussi des agrégats régionaux.

Sortie de l’exécution de référence :

Dernière année : 2025
Dimensions de latest : (198, 5)

Démarche de résolution

isin teste l’appartenance à la liste. Les noms anglais doivent correspondre exactement au fichier ; le filtre conserve l’ordre du tableau source.

Code Python commenté

pays_selection = [
    "France", "Germany", "Spain", "Poland",
    "United States", "China", "India", "Brazil"
]
selection = latest.loc[latest["country"].isin(pays_selection)].copy()
print(selection[["country", "gdp_pc"]].to_string(index=False))
print("Nombre de pays retenus :", len(selection))

Résultat et interprétation

Huit pays en 2025. France : 55124.540 ; Germany : 62823.773 ; United States : 76931.310 ; India : 10039.071, dans l’unité de l’indicateur.

Sortie de l’exécution de référence :

      country    gdp_pc
       Brazil 20024.697
        China 25066.521
       France 55124.540
      Germany 62823.773
        India 10039.071
       Poland 46924.590
        Spain 49318.105
United States 76931.310
Nombre de pays retenus : 8

Démarche de résolution

Faire l’expérience sur une liste distincte pour conserver la bonne sélection. Une faute sur un pays retire cette ligne, sans vider tout le tableau.

Code Python commenté

pays_test = [
    "France", "Germanie", "Spain", "Poland",
    "United States", "China", "India", "Brazil"
]
selection_test = latest.loc[latest["country"].isin(pays_test)].copy()
print("Avec la faute :", len(selection_test))
print("Sans la faute :", len(selection))
print(sorted(latest["country"].unique())[:10])
# La sélection correcte utilise toujours Germany.
selection = latest.loc[latest["country"].isin(pays_selection)].copy()

Résultat et interprétation

La sélection fautive contient sept pays, la sélection correcte huit. Pour une sélection totalement vide, contrôler chaque condition séparément.

Sortie de l’exécution de référence :

Avec la faute : 7
Sans la faute : 8
['Albania', 'Algeria', 'Andorra', 'Angola', 'Antigua and Barbuda', 'Argentina', 'Armenia', 'Australia', 'Austria', 'Azerbaijan']

Démarche de résolution

Les méthodes agissent sur la colonne numérique. Pour une série de booléens, mean compte les True comme 1 et les False comme 0 : on obtient ainsi une proportion.

Code Python commenté

moyenne = selection["gdp_pc"].mean()
mediane = selection["gdp_pc"].median()
minimum = selection["gdp_pc"].min()
maximum = selection["gdp_pc"].max()
part_au_dessus = (selection["gdp_pc"] > moyenne).mean() * 100
print(f"Moyenne : {moyenne:.2f}")
print(f"Médiane : {mediane:.2f}")
print(f"Minimum : {minimum:.2f}")
print(f"Maximum : {maximum:.2f}")
print(f"Part au-dessus de la moyenne : {part_au_dessus:.1f} %")

Résultat et interprétation

Moyenne 43281.58 ; médiane 48121.35 ; minimum 10039.07 ; maximum 76931.31 ; proportion 62.5 % (5/8). Il s’agit d’une moyenne simple des pays, sans pondération démographique.

Sortie de l’exécution de référence :

Moyenne : 43281.58
Médiane : 48121.35
Minimum : 10039.07
Maximum : 76931.31
Part au-dessus de la moyenne : 62.5 %

Démarche de résolution

L’énoncé parle de pays, mais latest contient aussi des agrégats. Dans ce fichier, les codes pays ou territoires ont trois caractères ; les codes régionaux WB_… et OWID_… sont plus longs. Les exclure avant de trier et de garder dix lignes.

Code Python commenté

import matplotlib.pyplot as plt

# Critère adapté à ce CSV inspecté, incluant des territoires comme Macao.
latest_pays = latest.loc[latest["code"].str.len() == 3].copy()
top10 = latest_pays.sort_values("gdp_pc", ascending=False).head(10)
print(top10[["country", "gdp_pc"]].to_string(index=False))
ax = top10.plot(kind="bar", x="country", y="gdp_pc", legend=False, figsize=(9, 5))
ax.set_xlabel("Pays ou territoire")
ax.set_ylabel("Dollars internationaux par habitant (prix de 2021)")
ax.set_title(f"Top 10 du PIB par habitant - {latest_year}")
plt.xticks(rotation=45, ha="right")
plt.tight_layout()
plt.savefig(out_dir / "gdp_top10.png", dpi=300)
plt.show()
plt.close()

Résultat et interprétation

Singapore arrive en tête de ce fichier (139592.610), suivi d’Ireland et Luxembourg. United States est dixième. Ce top 10 concerne tous les pays ou territoires disponibles, pas les huit pays de selection.

Sortie de l’exécution de référence :

      country     gdp_pc
    Singapore 139592.610
      Ireland 131338.440
   Luxembourg 127420.600
        Macao 117098.270
        Qatar 110135.695
       Norway  95173.430
  Switzerland  85732.110
       Guyana  83658.680
       Brunei  78985.125
United States  76931.310

Démarche de résolution

Choisir explicitement les colonnes ; index=False évite d’ajouter les numéros de lignes de pandas au CSV.

Code Python commenté

selection[["country", "code", "year", "gdp_pc"]].to_csv(
    out_dir / "gdp_selection.csv",
    index=False
)
print("Export créé :", out_dir / "gdp_selection.csv")

Résultat et interprétation

out/gdp_selection.csv contient huit lignes de données et quatre colonnes, sans colonne d’index supplémentaire.

Sortie de l’exécution de référence :

Export créé : out/gdp_selection.csv

Démarche de résolution

Citer les valeurs de la sélection de huit pays, distincte du top 10 mondial, puis annoncer les limites.

Code Python commenté

# L'année étudiée dans la copie locale est 2025.
# United States a le PIB par habitant le plus élevé de la sélection : 76 931,31.
# India a le plus faible : 10 039,07 dollars internationaux aux prix de 2021.
# La moyenne simple vaut 43 281,58 et la médiane 48 121,35 dans cette unité.
# France (55 124,54) est au-dessus de cette moyenne de huit pays.
# Le choix des huit pays influence ces résultats ; ce n'est pas une moyenne mondiale.
# Le PIB par habitant ne décrit ni les inégalités internes ni toutes les dimensions du développement.

Résultat et interprétation

Sept lignes fondées sur les résultats exécutés. Si vous utilisez un nouveau téléchargement, recalculer les valeurs et adapter ces commentaires.