Données en tables

Une table organise des objets de même nature. Chaque ligne décrit un objet ; chaque colonne correspond à un descripteur, par exemple id, site ou mesure. Les lignes peuvent avoir des valeurs différentes tout en partageant le même ensemble de descripteurs. Un dictionnaire représente une ligne ; un tableau de ces dictionnaires représente la table. Lire table[0]["mesure"] sélectionne la première ligne puis son champ mesure. Le premier accès utilise un indice et le second une clé.

Le domaine de valeurs d’une colonne précise ce qu’elle peut contenir. Une mesure entière n’est pas une chaîne de caractères ; un code de station peut être une chaîne même s’il ne contient que des chiffres. Convertir un code comme "007" en entier ferait perdre ses zéros initiaux. Le type se choisit d’après le sens de la donnée, non d’après son apparence. Il faut également distinguer une valeur nulle et une valeur manquante : une absence de relevé ne mesure pas zéro.

Le format CSV est un format texte tabulaire : les champs d’une ligne sont séparés par un caractère convenu, souvent une virgule ou un point-virgule. Une première ligne peut nommer les colonnes. Le séparateur et l’encodage doivent être connus à l’import. Des guillemets permettent de protéger un champ contenant lui-même un séparateur. Un simple découpage à chaque virgule ne suffit donc pas pour tous les fichiers ; le module csv connaît ces règles.

Rechercher dans une table consiste à sélectionner les lignes qui vérifient une condition. Pour garder les relevés du Nord d’au moins 13 unités, on combine deux tests avec and. Chaque test porte sur la ligne courante. Une compréhension produit un tableau de résultats sans modifier l’ordre des lignes conservées. Le résultat peut être vide, contenir une seule ligne ou en contenir plusieurs ; il ne faut pas supposer qu’un critère ordinaire fournit un objet unique.

La différence entre and et or est essentielle. Avec and, toutes les conditions doivent être vraies. Avec or, une seule suffit. Les parenthèses rendent le regroupement explicite lorsqu’on mélange plusieurs opérateurs. Une borne « au moins » inclut l’égalité ; une borne « strictement supérieur » l’exclut. Avant de programmer, reformule le critère avec des mots et vérifie une ligne qui doit être retenue, puis une ligne qui doit être rejetée.

Un contrôle de cohérence confronte les données à des règles annoncées : mesure convertible en entier, identifiant présent, site dans l’ensemble autorisé, valeur dans l’intervalle attendu. Une valeur inhabituelle n’est pas forcément fausse ; on ne la corrige pas en devinant. On conserve la trace du problème et on demande une vérification de la source. Une opération automatique doit distinguer une donnée absente d’une donnée valide, même si les deux situations empêchent un calcul immédiat.

Deux lignes identiques constituent un doublon de ligne. Deux lignes ayant le même identifiant mais des mesures différentes constituent un conflit si cet identifiant doit être unique. Pour rechercher un doublon de clé, on peut mémoriser les identifiants déjà rencontrés et signaler chaque nouvelle occurrence. La règle d’identité doit être choisie avant le contrôle. Deux relevés ayant la même mesure ne sont pas pour autant le même relevé ; supprimer l’un d’eux ferait perdre de l’information.

Trier une table selon une colonne réordonne les lignes entières ; il ne faut jamais trier une colonne seule en laissant les autres immobiles. En Python, sorted(table, key=lambda r: r["mesure"]) construit un nouveau tableau classé par mesure croissante. L’expression lambda indique ici quelle valeur comparer pour chaque ligne. Les mesures doivent être numériques avant le tri : dans un classement textuel, "12" se place avant "7", car leurs caractères sont comparés. Les identifiants continuent d’accompagner leur mesure.

Une fusion par clé rapproche des lignes qui décrivent un même objet sous des aspects différents. Une table donne les mesures par code de station ; une autre donne le nom de chaque station. Le code commun permet de réunir ces informations. Rapprocher les premières lignes entre elles uniquement parce qu’elles occupent la même position est incorrect : l’ordre des deux tables peut différer. Le domaine de la clé doit être compatible : une chaîne "2" et l’entier 2 ne sont pas égaux en Python.

Une stratégie simple parcourt les lignes de la première table, puis celles de la seconde, et garde les couples dont les clés coïncident. Pour n et m lignes, elle peut effectuer n × m comparaisons. On définit ensuite le traitement des clés sans correspondance. Dans une fusion interne, seules les correspondances sont conservées. Si la deuxième table répète une clé, une ligne de la première peut produire plusieurs lignes finales : l’unicité des clés est donc un contrôle déterminant.

Retrouve la rubrique S’entraîner à l’adresse /exercices. Pour réviser, commence par un petit fichier lisible à la main : prévois le résultat du filtre et de la fusion, puis confronte-le à l’exécution.