Lycée · 2ⁿᵈᵉ · Sciences numériques et technologie (SNT)
Données structurées
Collecte, organisation et traitement des données numériques — programme SNT 2nde
À propos de cette page
Qu'est-ce qu'une donnée ?
Une donnée est une information représentée sous une forme permettant d'être stockée, traitée et transmise par un ordinateur. Les données sont omniprésentes : températures relevées par des capteurs météo, notes d'élèves, résultats sportifs, prix de produits en ligne…
On distingue différents types de données :
| Type | Exemples | Description |
|---|---|---|
Entier (int) | 42, -7, 0 | Nombre entier positif ou négatif |
Décimal (float) | 3.14, -0.5 | Nombre à virgule flottante |
Texte (str) | "Paris", "Alice" | Suite de caractères |
Booléen (bool) | True, False | Valeur logique vrai/faux |
| Date | "2024-01-15" | Représentation d'une date |
Collections de données et descripteurs
Lorsque l'on regroupe plusieurs données de même nature concernant plusieurs objets ou individus, on forme une collection de données (aussi appelée dataset).
| Nom | Département | Population | Superficie (km²) |
|---|---|---|---|
| Marseille | 13 | 861635 | 240.6 |
| Lyon | 69 | 513275 | 47.9 |
| Toulouse | 31 | 471941 | 118.3 |
Les descripteurs sont : Nom, Département, Population, Superficie. Chaque ligne correspond à un enregistrement (ou objet).
Pour qu'une collection soit exploitable, chaque descripteur doit avoir un type homogène : toutes les valeurs de la colonne « Population » sont des entiers.
Structure d'une collection de données tabulaires
Le format CSV
Le format CSV (Comma-Separated Values — valeurs séparées par des virgules) est l'un des formats les plus répandus pour stocker des données structurées tabulaires dans un fichier texte simple.
- La première ligne contient les descripteurs séparés par un délimiteur (virgule
,ou point-virgule;). - Chaque ligne suivante contient un enregistrement, les valeurs étant séparées par le même délimiteur.
Nom;Prénom;Age;Ville
Dupont;Alice;16;Marseille
Martin;Bob;15;Lyon
Petit;Clara;16;ParisCe fichier contient 3 enregistrements décrits par 4 descripteurs.
; (point-virgule) est souvent préféré à la virgule car celle-ci est déjà utilisée comme séparateur décimal (ex. : 3,14).Marseille, 13e), elle doit être entourée de guillemets doubles : "Marseille, 13e".Le CSV est lisible dans n'importe quel éditeur de texte et importable dans un tableur (LibreOffice Calc, Excel) ou dans un langage de programmation (Python).
Le format JSON
Le format JSON (JavaScript Object Notation) est un autre format standard pour échanger des données structurées. Contrairement au CSV, il peut représenter des structures imbriquées (listes dans des objets, objets dans des listes…).
{ }. Les listes sont délimitées par des crochets [ ].[
{"nom": "Dupont", "prénom": "Alice", "age": 16, "ville": "Marseille"},
{"nom": "Martin", "prénom": "Bob", "age": 15, "ville": "Lyon"}
]Ici, chaque élément de la liste est un objet JSON avec les mêmes clés. Les clés jouent le rôle de descripteurs.
| Critère | CSV | JSON |
|---|---|---|
| Lisibilité | Très lisible | Lisible |
| Structure | Plate (2D) | Hiérarchique (imbriquée) |
| Taille fichier | Compact | Plus verbeux |
| Usage typique | Tableurs, stats | API web, config |
Pipeline de traitement des données structurées
Données ouvertes (Open Data)
Les données ouvertes (open data) sont des données mises librement à disposition du public, généralement par des organismes publics (État, collectivités) ou des organisations internationales.
En France, le portail data.gouv.fr centralise des milliers de jeux de données : résultats électoraux, statistiques de santé, données météo, trafic routier, horaires de transports…
Ordres de grandeur des jeux de données disponibles sur quelques portails open data
Trier et filtrer des données
Deux opérations fondamentales permettent d'explorer une collection de données :
• Trier par Population décroissante → Marseille, Lyon, Toulouse…
• Filtrer Population > 500 000 → {Marseille, Lyon}
• Filtrer Département = 13 → {Marseille}
En Python, ces opérations peuvent s'effectuer avec la bibliothèque pandas :
import pandas as pd
df = pd.read_csv("villes.csv", sep=";")
# Trier par population décroissante
df_tri = df.sort_values("Population", ascending=False)
# Filtrer les villes de plus de 500 000 habitants
df_filtre = df[df["Population"] > 500000]Qualité et protection des données
La valeur d'une collection de données dépend de sa qualité et du respect des règles de protection des données personnelles.
- Exacte : correspond à la réalité
- Complète : sans valeurs manquantes
- Cohérente : même format sur toute la colonne
- À jour : pas obsolète
Principes clés :
- Consentement de la personne concernée
- Finalité limitée et explicite
- Droit d'accès, de rectification et d'effacement
- Minimisation des données collectées
Métadonnées : une donnée peut être accompagnée de métadonnées qui décrivent son contexte (date de création, auteur, source, unité, licence…). Elles sont indispensables pour interpréter correctement les données.
- Une donnée est une information encodée ; elle possède un type (entier, texte, booléen…).
- Une collection est un ensemble d'enregistrements partageant les mêmes descripteurs (colonnes).
- Le format CSV (lignes/colonnes séparées par
;) et le format JSON (clé:valeur) sont les deux formats standards. - L'open data désigne des données librement accessibles (portail data.gouv.fr).
- Trier = réordonner ; Filtrer = sélectionner selon une condition.
- Le RGPD protège les données personnelles ; la CNIL en est le gardien en France.
Cours particuliers de sciences numériques et technologie (snt) à Marseille, en présentiel ou à distance — un prof qui s'adapte à ton rythme et reprend ce qui coince.
Soutien scolaire à Marseille · Cours particuliers au lycée · Aide aux devoirs