Dictionnaires et fichiers

Informatique — Python, chapitre 7

Ce chapitre clôt la première partie du cours avec les deux outils qui manquent encore pour un travail réel : le dictionnaire, qui associe une clé à une valeur, et la lecture de fichiers, qui fait entrer de vraies données dans le programme.

7.1 Le dictionnaire

7.1.1 Créer et consulter

Une liste retrouve ses éléments par position. Un dictionnaire les retrouve par clé — un nom, un code, une date.

pib = {"Tanger": 45.2, "Rabat": 62.1, "Fes": 38.7} print(pib) print(pib["Rabat"]) print(len(pib))

7.1.2 Ajouter, modifier, supprimer

pib = {"Tanger": 45.2, "Rabat": 62.1} pib["Agadir"] = 29.3 # ajouter pib["Tanger"] = 46.0 # modifier : meme ecriture print(pib) del pib["Rabat"] # supprimer print(pib)

Une clé absente est créée, une clé existante est écrasée : la même écriture fait les deux, sans avertissement.

7.1.3 La clé qui n’existe pas

pib = {"Tanger": 45.2, "Rabat": 62.1} print("Fes" in pib) # tester d'abord print(pib.get("Fes")) # None au lieu d'une erreur print(pib.get("Fes", 0)) # une valeur par defaut # print(pib["Fes"]) # KeyError

get plutôt que les crochets

Sur des données réelles, une clé manquante est la règle, pas l’exception. pib["Fes"] interrompt le programme ; pib.get("Fes", 0) renvoie une valeur de repli et poursuit.

Réservez les crochets aux cas où l’absence de la clé serait une véritable anomalie, qui doit s’arrêter bruyamment.

7.1.4 Parcourir

pib = {"Tanger": 45.2, "Rabat": 62.1, "Fes": 38.7} for ville in pib: # les cles print(ville) print("---") for valeur in pib.values(): # les valeurs print(valeur) print("---") for ville, valeur in pib.items(): # les deux print(f"{ville:<8} {valeur:>6.1f}")

items() est de loin le plus utile : il décompose chaque couple en deux variables, comme le zip du chapitre 4.

7.1.5 Ce qui peut servir de clé

d = { "texte": 1, 42: 2, (2023, "T1"): 3, # un tuple : valide } print(d[(2023, "T1")]) # d[[1, 2]] = 4 # TypeError : une liste ne peut pas etre cle

Une clé doit être immuable : chaîne, nombre, tuple. Une liste ne le peut pas, puisqu’elle changerait après avoir servi de clé. Le tuple (année, trimestre) est une clé composée très commode pour des données de panel.

7.1.6 Compter avec un dictionnaire

C’est l’usage le plus fréquent, et celui qui remplace avantageusement une boucle imbriquée.

regions = ["Nord", "Centre", "Nord", "Sud", "Centre", "Nord"] effectifs = {} for r in regions: effectifs[r] = effectifs.get(r, 0) + 1 print(effectifs)

effectifs.get(r, 0) + 1 se lit : « la valeur actuelle, ou zéro si la clé est nouvelle, plus un ». Trois lignes qui produisent l’équivalent du table() de R.

from collections import Counter regions = ["Nord", "Centre", "Nord", "Sud", "Centre", "Nord"] c = Counter(regions) print(c) print(c.most_common(2))

7.1.7 Un dictionnaire de dictionnaires

villes = { "Tanger": {"pib": 45.2, "chomage": 11.2, "region": "Nord"}, "Rabat": {"pib": 62.1, "chomage": 8.4, "region": "Centre"}, } print(villes["Rabat"]["pib"]) for nom, info in villes.items(): print(f"{nom:<8} PIB {info['pib']:>6.1f} chomage {info['chomage']:>5.1f}")

Attention aux guillemets dans une f-string : {info['pib']} utilise des apostrophes à l’intérieur des guillemets doubles. Mélanger les deux provoquerait une erreur de syntaxe.

7.2 Les fichiers

Une console sans disque dur

Python fonctionne ici dans votre navigateur : il n’a pas accès à vos fichiers. Les commandes de cette section sont donc à recopier chez vous. Le mécanisme reste identique.

7.2.1 Lire

with open("donnees.txt", "r", encoding="utf-8") as f:
    contenu = f.read()

print(contenu)

Toujours with

f = open("donnees.txt")       # a eviter
contenu = f.read()
f.close()                     # facile a oublier

Le bloc with ferme le fichier automatiquement, y compris si une erreur survient au milieu. Un fichier laissé ouvert peut rester verrouillé ou perdre les dernières écritures.

C’est une règle sans exception : on ouvre un fichier avec with.

# ligne par ligne, sans tout charger en memoire
with open("donnees.txt", "r", encoding="utf-8") as f:
    for ligne in f:
        print(ligne.strip())

La seconde forme est celle à employer sur un gros fichier : elle ne charge qu’une ligne à la fois. Le .strip() retire le retour à la ligne final.

7.2.2 Écrire

with open("resultats.txt", "w", encoding="utf-8") as f:
    f.write("premiere ligne\n")
    f.write("deuxieme ligne\n")

Mode	Effet
`"r"`	lecture (par défaut)
`"w"`	écriture — efface le fichier existant
`"a"`	ajout à la fin, sans effacer
`"x"`	création — échoue si le fichier existe

"w" efface sans demander

Ouvrir en mode "w" un fichier existant le vide instantanément, avant même la première écriture. Il n’y a ni confirmation, ni corbeille.

Sur un fichier de données, utilisez "a", ou "x" qui refuse d’écraser.

7.2.3 Toujours préciser l’encodage

encoding="utf-8" n’est pas facultatif. Sans lui, Python emploie l’encodage par défaut du système — différent sous Windows et sous Linux —, et vos accents deviennent illisibles chez le lecteur suivant.

7.3 Le format CSV

7.3.1 À la main

Avec le split du chapitre 2, un CSV se lit sans aucune bibliothèque.

texte = """ville;pib;chomage Tanger;45.2;11.2 Rabat;62.1;8.4 Fes;38.7;13.1""" lignes = texte.split("\n") entetes = lignes[0].split(";") print(entetes) donnees = [] for ligne in lignes[1:]: champs = ligne.split(";") donnees.append({ "ville": champs[0], "pib": float(champs[1]), "chomage": float(champs[2]), }) for d in donnees: print(f"{d['ville']:<8} {d['pib']:>6.1f}")

Chaque ligne devient un dictionnaire : c’est exactement la structure que pandas construira automatiquement au chapitre 9.

Notez les float(...) : tout ce qui sort d’un fichier est du texte, même quand cela ressemble à un nombre.

7.3.2 Avec le module `csv`

import csv

with open("donnees.csv", "r", encoding="utf-8") as f:
    lecteur = csv.DictReader(f, delimiter=";")
    donnees = [ligne for ligne in lecteur]

print(donnees[0])

DictReader fait le travail précédent, et gère en plus les cas que le split manuel casse : un champ contenant lui-même un point-virgule, entouré de guillemets.

with open("sortie.csv", "w", encoding="utf-8", newline="") as f:
    champs = ["ville", "pib", "chomage"]
    ecrivain = csv.DictWriter(f, fieldnames=champs, delimiter=";")
    ecrivain.writeheader()
    ecrivain.writerows(donnees)

L’argument newline="" évite les lignes vides intercalées sous Windows.

Quand passer à pandas

Le module csv convient pour parcourir un fichier ligne à ligne, ou en filtrer une partie sans tout charger.

Dès qu’il s’agit de calculer, croiser ou regrouper, pandas.read_csv() fait en une ligne ce que ce chapitre fait en quinze — et bien plus vite. C’est l’objet du chapitre 9.

À vous

À partir du texte simulant un CSV, calculez le PIB total et la liste des villes dont le chômage dépasse 10 %.

texte = """ville;pib;chomage Tanger;45.2;11.2 Rabat;62.1;8.4 Fes;38.7;13.1 Agadir;29.3;9.7""" # a completer

La solution

lignes = texte.split("\n")[1:]        # on saute l'en-tete

donnees = []
for ligne in lignes:
    ville, pib, chomage = ligne.split(";")
    donnees.append({"ville": ville,
                    "pib": float(pib),
                    "chomage": float(chomage)})

total = sum(d["pib"] for d in donnees)
print(f"PIB total : {total:.1f}")

fort = [d["ville"] for d in donnees if d["chomage"] > 10]
print("Chomage eleve :", ", ".join(fort))

ville, pib, chomage = ligne.split(";") décompose les trois champs en une ligne — l’affectation multiple du chapitre 3.

Les deux dernières instructions sont des compréhensions : l’une somme, l’autre filtre. Tout le chapitre 3 se retrouve ici.

Ce qu’il faut retenir

Écriture	Effet
`{"cle": valeur}`	créer un dictionnaire
`d["cle"]`	consulter — erreur si absente
`d.get("cle", defaut)`	consulter sans risque
`d["nouvelle"] = x`	ajouter ou modifier
`"cle" in d`	tester la présence
`d.items()`, `d.keys()`, `d.values()`	parcourir
`d[k] = d.get(k, 0) + 1`	compter les effectifs
`Counter(liste)`	la version toute faite
clé immuable	chaîne, nombre, tuple — jamais une liste
`with open(...) as f:`	ouvrir un fichier — ferme automatiquement
`"r"`, `"w"`, `"a"`, `"x"`	lire, écraser, ajouter, créer
`encoding="utf-8"`	à ne jamais omettre
`csv.DictReader`	lire un CSV proprement

La première partie du cours s’achève : vous connaissez le langage. La seconde l’emploie au calcul scientifique, en commençant par NumPy — qui apporte enfin à Python la vectorisation qui lui manque.