Technologie · Seconde · Les Données Structurées et leur Traitement · 2e Trimestre

Lecture et écriture de fichiers CSV

Les élèves pratiquent la lecture et l'écriture de données dans des fichiers CSV avec Python.

• Programmes Officiels
• MEN: Lycee - Données structurées
• MEN: Lycee - Traitement des données

À propos de ce thème

Le format CSV (Comma-Separated Values) est le format d'échange de données le plus répandu et le plus accessible. En SNT Seconde, le programme de l'Éducation nationale attend des élèves qu'ils sachent lire et écrire des données structurées avec Python. Le CSV est le support idéal pour cette compétence : simple à comprendre, omniprésent dans les données ouvertes et manipulable avec le module csv standard de Python.

Les élèves découvrent que les données réelles sont rarement parfaites : valeurs manquantes, formats incohérents, encodages variés. Ils apprennent à écrire des scripts robustes capables de détecter et corriger ces anomalies. La progression va de la lecture simple d'un fichier propre à la conception d'un pipeline de nettoyage pour des données hétérogènes. Travailler sur des fichiers réels issus de data.gouv.fr, plutôt que sur des exercices artificiels, confronte les élèves aux vrais défis du traitement de données et développe une rigueur méthodologique transférable.

Questions clés

1. Comment un script Python peut-il extraire et traiter automatiquement des données spécifiques depuis un fichier CSV ?
2. Quels défis la qualité des données réelles pose-t-elle, notamment les valeurs manquantes et les formats incohérents ?
3. Comment concevoir un programme pour nettoyer et normaliser des données issues de sources hétérogènes ?

Objectifs d'apprentissage

• Analyser le contenu d'un fichier CSV pour en extraire des informations spécifiques à l'aide de scripts Python.
• Écrire des scripts Python pour générer et sauvegarder des données structurées dans des fichiers CSV.
• Identifier les anomalies courantes dans des jeux de données CSV réels, telles que les valeurs manquantes ou les formats incohérents.
• Concevoir un algorithme simple pour nettoyer et normaliser des données issues d'un fichier CSV avant leur traitement.
• Comparer l'efficacité de différentes méthodes de lecture et d'écriture de fichiers CSV en Python en termes de performance et de robustesse.

Avant de commencer

Introduction à la programmation Python

Pourquoi : Les élèves doivent maîtriser les bases de la syntaxe Python, y compris les variables, les types de données simples (chaînes, nombres), et les structures de contrôle (boucles, conditions) pour écrire des scripts.

Structures de données : listes et dictionnaires

Pourquoi : La compréhension des listes et des dictionnaires en Python est essentielle pour manipuler les lignes et les champs lus depuis un fichier CSV.

Vocabulaire clé

Fichier CSV	Un fichier texte où les données sont organisées en lignes, et où chaque ligne contient des champs séparés par une virgule (ou un autre délimiteur).
Module csv	Une bibliothèque standard de Python qui fournit des fonctionnalités pour lire et écrire facilement des fichiers au format CSV.
Délimiteur	Le caractère utilisé pour séparer les différentes valeurs (champs) dans une ligne d'un fichier CSV. La virgule est le plus courant, mais le point-virgule ou la tabulation sont aussi utilisés.
En-tête (header)	La première ligne d'un fichier CSV qui contient les noms des colonnes, décrivant le type de données dans chaque colonne.
Valeur manquante	Une donnée qui n'a pas été enregistrée ou qui est absente dans un enregistrement, souvent représentée par une chaîne vide, 'NA', ou 'null'.

Attention à ces idées reçues

Idée reçue courante

Un fichier CSV est toujours séparé par des virgules.

Ce qu'il faut enseigner à la place

En France, le séparateur est souvent le point-virgule (car la virgule est utilisée comme séparateur décimal). Le module csv de Python gère ce paramètre via delimiter. L'ouverture de fichiers réels en atelier permet de découvrir cette particularité locale dès les premiers exercices.

Idée reçue courante

Si Python lit le fichier sans erreur, les données sont correctes.

Ce qu'il faut enseigner à la place

Un fichier peut être lu sans erreur technique tout en contenant des valeurs aberrantes, des doublons ou des champs vides. Le nettoyage de données est une étape indispensable que le défi sur données sales rend évidente et concrète.

Idée reçue courante

Le CSV est un format obsolète remplacé par Excel.

Ce qu'il faut enseigner à la place

Le CSV reste le format standard pour l'échange de données entre systèmes, notamment en open data. Il est lisible par tout langage de programmation et tout tableur. Sa simplicité est un atout, pas une limite. Les portails comme data.gouv.fr l'utilisent massivement.

Idées d'apprentissage actif

Atelier pratique : Lire un fichier CSV avec Python

Les élèves utilisent le module csv pour lire un fichier téléchargé depuis data.gouv.fr. Ils extraient des colonnes spécifiques, comptent les lignes et affichent un résumé statistique simple (minimum, maximum, moyenne).

30 min·Individuel

Défi collaboratif : Nettoyer des données sales

Chaque groupe reçoit un fichier CSV volontairement dégradé (valeurs manquantes, doublons, formats de date incohérents). Ils doivent écrire un script de nettoyage, documenter les anomalies trouvées et produire un fichier CSV corrigé.

45 min·Petits groupes

Penser-Partager-Présenter: csv.reader ou csv.DictReader ?

Après avoir testé les deux approches sur un même fichier, chaque élève note les avantages de chacune. En binôme, ils formulent une règle de choix. La classe construit ensemble un guide de bonnes pratiques.

20 min·Binômes

Apprentissage par projet: Fusionner deux sources de données

Les élèves reçoivent deux fichiers CSV provenant de sources différentes (par exemple, population et superficie par département). Ils écrivent un script pour les fusionner par clé commune et calculer une donnée dérivée (densité).

40 min·Binômes

Liens avec le monde réel

• Les data analysts utilisent des fichiers CSV pour importer des données de ventes provenant de plateformes e-commerce comme Amazon ou Cdiscount afin de générer des rapports de performance mensuels.
• Les statisticiens de l'INSEE traitent des données issues d'enquêtes nationales, souvent stockées en CSV, pour analyser les tendances démographiques ou économiques de la France.
• Les développeurs web peuvent exporter des listes d'utilisateurs ou de produits depuis une base de données vers un fichier CSV pour les importer dans un autre système ou pour une sauvegarde.

Idées d'évaluation

Vérification rapide

Fournir aux élèves un petit fichier CSV contenant des données sur les températures moyennes mensuelles d'une ville. Demander : 'Écrivez une ligne de code Python qui affiche uniquement la température du mois de juillet.' Vérifier la syntaxe et la logique d'accès aux données.

Billet de sortie

Donner aux élèves un fichier CSV avec quelques erreurs (une valeur manquante, un format de date incohérent). Demander : 'Identifiez une anomalie dans ce fichier et proposez une ligne de code Python pour la corriger ou la signaler.' Évaluer la capacité à repérer et à suggérer une solution.

Question de discussion

Présenter deux scripts Python : l'un utilisant le module `csv` standard, l'autre utilisant une bibliothèque externe comme `pandas` pour lire le même fichier CSV. Poser la question : 'Quels sont les avantages et les inconvénients de chaque approche pour lire des données CSV, en considérant la simplicité et la puissance de traitement ?'

Questions fréquentes

Comment lire un fichier CSV en Python ?

On utilise le module csv intégré à Python. Avec csv.reader, on accède aux données par position (index). Avec csv.DictReader, on accède aux colonnes par leur nom d'en-tête, ce qui rend le code plus lisible. Il faut ouvrir le fichier avec l'encodage adapté (souvent utf-8 ou latin-1 pour les fichiers français).

Pourquoi mon fichier CSV s'affiche mal en Python ?

Les problèmes les plus fréquents sont le mauvais encodage (utf-8 vs latin-1), le mauvais séparateur (virgule vs point-virgule) et les retours à la ligne dans les champs. Spécifier encoding, delimiter et quotechar lors de l'ouverture résout la plupart des cas. Tester sur un échantillon avant de traiter le fichier complet est une bonne pratique.

Comment l'apprentissage actif aide-t-il à maîtriser les fichiers CSV ?

Travailler sur des fichiers réels issus de data.gouv.fr confronte les élèves aux vraies difficultés : encodages, séparateurs, données manquantes. Le défi de nettoyage en groupe développe la rigueur méthodologique bien plus efficacement que des exercices sur des fichiers parfaits préparés par l'enseignant.

Quelle est la différence entre csv.reader et csv.DictReader ?

csv.reader renvoie chaque ligne sous forme de liste, accessible par index numérique (ligne[0], ligne[1]). csv.DictReader renvoie chaque ligne sous forme de dictionnaire, accessible par nom de colonne (ligne['nom']). DictReader est plus lisible mais légèrement plus lent. Pour les exercices de SNT, DictReader est généralement recommandé.