Fusion de tables : exercices corrigés de NSI en Première

On dispose de deux tables.

Table pays (colonne capitale = numéro de la ville) :

nom	capitale
France	1
Italie	2
Espagne	3
Chili	9

Table villes (colonne id = numéro de la ville) :

id	nom
1	Paris
2	Rome
3	Madrid
4	Lyon
5	Milan

On fusionne pays et villes en reliant capitale à id, en ne gardant que les lignes qui ont une correspondance des deux côtés.

Combien de lignes contient la table obtenue ?

La table pays possède 3 colonnes : nom, capitale, continent. La table villes possède 4 colonnes : id, nom, latitude, longitude.

On les fusionne avec :

res = pays.merge(villes, left_on='capitale', right_on='id')

Les deux colonnes nom sont conservées, chacune avec un suffixe (nom_x et nom_y), et les colonnes de jointure capitale et id sont toutes les deux gardées.

1. Pourquoi les deux colonnes nom entrent-elles en conflit ?
2. Combien de colonnes contient res ?

Sans bibliothèque, les tables sont des listes de dictionnaires.

villes = [
    {'id': 1, 'nom': 'Paris',  'pop': 2100},
    {'id': 2, 'nom': 'Rome',   'pop': 2800},
    {'id': 3, 'nom': 'Madrid', 'pop': 3300},
    {'id': 4, 'nom': 'Lyon',   'pop': 500},
]
pays = [
    {'nom': 'France',  'capitale': 1},
    {'nom': 'Italie',  'capitale': 2},
    {'nom': 'Espagne', 'capitale': 3},
]

total = 0
for p in pays:
    for v in villes:
        if v['id'] == p['capitale']:
            total = total + v['pop']

La population pop est exprimée en milliers d'habitants.

1. Que représente la double boucle ?
2. Quelle est la valeur de total à la fin ?

Une boutique possède une table clients et une table commandes.

Table clients : les identifiants 1, 2 et 3.

Table commandes : une ligne par commande, avec le client concerné.

num_commande	client
101	1
102	1
103	2
104	2
105	2
106	7

On fusionne en conservant toutes les lignes de clients, même celles qui n'ont aucune commande (les informations manquantes sont alors vides).

Combien de lignes contient la table obtenue ?

Deux fichiers CSV ont été lus avec pandas :

import pandas
pays = pandas.read_csv('pays.csv')     # colonnes : nom, capitale, continent
villes = pandas.read_csv('villes.csv') # colonnes : id, nom, latitude, longitude

Les tables lues dans un CSV sont stockées sous forme de dataframes, que l'on peut voir comme des tableaux.¹

On veut une table qui contient, pour chaque pays, le nom du pays et le nom de sa capitale, et rien d'autre.

1. Écris la ligne qui fusionne les deux tables.
2. Écris les instructions qui ne gardent que les deux noms, en les renommant pays et capitale.
3. Quelle instruction permet de vérifier le résultat sur les premières lignes ?

On reprend les tables pays et villes.

Table villes :

id	nom	latitude
1	Paris	48.9
2	Rome	41.9
3	Madrid	40.4
4	Berlin	52.5
5	Lyon	45.8
6	Milan	45.5

Table pays : France (capitale 1), Italie (capitale 2), Espagne (capitale 3), Allemagne (capitale 4).

On fusionne les deux tables, puis on calcule la moyenne de la colonne latitude de la table obtenue.

1. Quelles villes restent dans la table fusionnée ?
2. Quelle est la moyenne des latitudes (en degrés) ?
3. Pourquoi cette moyenne diffère-t-elle de celle des six villes de villes ?

Léa écrit :

res = pays.merge(villes, on='nom')
print(len(res))

et obtient 0, alors que la table pays contient une centaine de lignes. Les colonnes de pays sont nom (le pays), capitale (un numéro) et continent. Celles de villes sont id, nom (la ville), latitude, longitude.

1. Explique pourquoi le résultat est vide.
2. Corrige le code pour obtenir le nom de la capitale de chaque pays.
3. Quelle vérification simple aurait permis de repérer l'erreur avant de fusionner ?