« Restructurer un tableau de données dyadiques » : différence entre les versions

De EduTech Wiki
Aller à la navigation Aller à la recherche
Aucun résumé des modifications
Aucun résumé des modifications
 
(24 versions intermédiaires par le même utilisateur non affichées)
Ligne 1 : Ligne 1 :
{{tutoriel
|fait_partie_du_cours=Python
|statut=Terminé
|difficulté=intermédiaire
|derniere_modif=2018/11/16
|prérequis=Python
}}
Ce script nécessite python3+ et la librairie pandas. Il permet de passer d'un tableau de données de dyades structurées par individus à une structure par dyades.


Ce script python est destiné à convertir un fichier de données dyadiques d'une structure individuelle à une structure dyadique. Il nécessite python3+ et la librairie pandas.
Pour installer pandas à partir de pip dans l'invite de commande/terminal : <source>python -m pip install –upgrade pandas</source>


Pour installer pandas : python -m pip install --upgrade pandas dans le terminal.
<br>


Structure individuelle :  
Structure individuelle :


![dyadic_individual_structure.gif](attachment:dyadic_individual_structure.gif)
[[File:Attachment-dyadic_individual_structure.gif|Individual structure]]


Structure dyadique :  
Structure dyadique :


![dyadic_dyadic_structure.gif](attachment:dyadic_dyadic_structure.gif)
[[Fichier:Dyadic structure.gif|Dyadic structure]]


# <b>Code</b>
= <b>Code</b> =


 
<source lang="python">#!/usr/bin/env python
```python
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# -*- coding: utf-8 -*-
import os
import os
import pandas as pd
import pandas as pd</source>
```
<b>Spécifier le chemin d'accès de votre dossier</b>
 
<b>Indiquer le chemin du dossier contenant le fichier .csv à la place de path (entre guillemets)</b>
 
 
```python
os.chdir('D:\\Google Drive\\1-These\\13-EATMINT2\\Analyses\\Questionnaires')
```
 
<b>Indiquer le nom du fichier .csv à la place de file (entre guillemets)</b>
 
 
```python
df1 = pd.read_csv('questionnaire_raw_data_individual_structure.csv',sep=';')
```
 
Voir les premières lignes de votre fichier :
 
 
```python
df1.head()
```
 
 
 
 
<div>
<style scoped>
    .dataframe tbody tr th:only-of-type {
        vertical-align: middle;
    }
 
    .dataframe tbody tr th {
        vertical-align: top;
    }


    .dataframe thead th {
<source lang="python">os.chdir('path')</source>
        text-align: right;
<b>Préciser le nom de votre fichier .csv. Le fichier .csv doit être sauvegardé avec un encodage utf-8 pour que les caractères accentués soient pris en compte</b>
    }
</style>
<table border="1" class="dataframe">
  <thead>
    <tr style="text-align: right;">
      <th></th>
      <th>Dyade</th>
      <th>Sujet</th>
      <th>Sexe</th>
      <th>Condition</th>
      <th>Score Raven</th>
      <th>Activation_soi</th>
      <th>Anxiété_soi</th>
      <th>Colère_soi</th>
      <th>Contrôle_soi</th>
      <th>Déception_soi</th>
      <th>...</th>
      <th>Mon partenaire mettait nos différences en évidence</th>
      <th>Mon partenaire n'était pas réceptif à ce que je lui disais</th>
      <th>Mon partenaire n'était pas très sûr de lui</th>
      <th>Mon partenaire ne se fiait pas à ce que je lui proposais</th>
      <th>Mon partenaire ne semblait pas enthousiasmé par nos échanges</th>
      <th>Mon partenaire se comportait comme s'il était plus fort que moi</th>
      <th>Mon partenaire se montrait aimable envers moi</th>
      <th>Mon partenaire se montrait autant intéressé par la construction d'une bonne entente entre nous que par la résolution de la tâche</th>
      <th>Mon partenaire se montrait tendu et\ou agacé</th>
      <th>Mon partenaire voulait rester coller à l'objectif principal de la tâche</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>0</th>
      <td>1</td>
      <td>1</td>
      <td>H</td>
      <td>CBVB</td>
      <td>20.0</td>
      <td>4</td>
      <td>1.0</td>
      <td>3</td>
      <td>2.0</td>
      <td>6.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>5.0</td>
      <td>3</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>6</td>
      <td>1</td>
      <td>3.0</td>
    </tr>
    <tr>
      <th>1</th>
      <td>1</td>
      <td>2</td>
      <td>H</td>
      <td>CBVB</td>
      <td>22.0</td>
      <td>4</td>
      <td>1.0</td>
      <td>1</td>
      <td>2.0</td>
      <td>5.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>7</td>
      <td>1</td>
      <td>6.0</td>
    </tr>
    <tr>
      <th>2</th>
      <td>2</td>
      <td>1</td>
      <td>H</td>
      <td>CBVH</td>
      <td>19.0</td>
      <td>5</td>
      <td>2.0</td>
      <td>3</td>
      <td>4.0</td>
      <td>2.0</td>
      <td>...</td>
      <td>2.0</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>7</td>
      <td>4</td>
      <td>7.0</td>
    </tr>
    <tr>
      <th>3</th>
      <td>2</td>
      <td>2</td>
      <td>H</td>
      <td>CBVH</td>
      <td>17.0</td>
      <td>4</td>
      <td>3.0</td>
      <td>1</td>
      <td>5.0</td>
      <td>1.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>2.0</td>
      <td>3</td>
      <td>1</td>
      <td>5.0</td>
      <td>6</td>
      <td>7</td>
      <td>2</td>
      <td>4.0</td>
    </tr>
    <tr>
      <th>4</th>
      <td>3</td>
      <td>1</td>
      <td>H</td>
      <td>CHVB</td>
      <td>23.0</td>
      <td>4</td>
      <td>6.0</td>
      <td>2</td>
      <td>3.0</td>
      <td>6.0</td>
      <td>...</td>
      <td>5.0</td>
      <td>1.0</td>
      <td>4.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>6</td>
      <td>7</td>
      <td>4</td>
      <td>5.0</td>
    </tr>
  </tbody>
</table>
<p>5 rows × 125 columns</p>
</div>


<source lang="python">df1 = pd.read_csv('fichier.csv',sep=';')</source>
<b>Supprimer les colonnes pour lesquelles vous ne souhaitez pas restructurer les données</b>


<source lang="python">data = df1.drop(['Dyade','Sujet','Sexe','Condition'], axis = 1)</source>
<b>Mettre les noms de colonnes dans une liste</b>


<b>Supprimer les colonnes pour lesquelles le changement de structure ne s'applique pas</b>
<source lang="python">variables = data.columns</source>
 
 
```python
data = df1.drop(['Dyade','Sujet','Sexe','Condition'], axis = 1)
data.head()
```
 
 
 
 
<div>
<style scoped>
    .dataframe tbody tr th:only-of-type {
        vertical-align: middle;
    }
 
    .dataframe tbody tr th {
        vertical-align: top;
    }
 
    .dataframe thead th {
        text-align: right;
    }
</style>
<table border="1" class="dataframe">
  <thead>
    <tr style="text-align: right;">
      <th></th>
      <th>Score Raven</th>
      <th>Activation_soi</th>
      <th>Anxiété_soi</th>
      <th>Colère_soi</th>
      <th>Contrôle_soi</th>
      <th>Déception_soi</th>
      <th>Désespoir_soi</th>
      <th>Ennui_soi</th>
      <th>Espoir_soi</th>
      <th>Fierté_soi</th>
      <th>...</th>
      <th>Mon partenaire mettait nos différences en évidence</th>
      <th>Mon partenaire n'était pas réceptif à ce que je lui disais</th>
      <th>Mon partenaire n'était pas très sûr de lui</th>
      <th>Mon partenaire ne se fiait pas à ce que je lui proposais</th>
      <th>Mon partenaire ne semblait pas enthousiasmé par nos échanges</th>
      <th>Mon partenaire se comportait comme s'il était plus fort que moi</th>
      <th>Mon partenaire se montrait aimable envers moi</th>
      <th>Mon partenaire se montrait autant intéressé par la construction d'une bonne entente entre nous que par la résolution de la tâche</th>
      <th>Mon partenaire se montrait tendu et\ou agacé</th>
      <th>Mon partenaire voulait rester coller à l'objectif principal de la tâche</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>0</th>
      <td>20.0</td>
      <td>4</td>
      <td>1.0</td>
      <td>3</td>
      <td>2.0</td>
      <td>6.0</td>
      <td>2.0</td>
      <td>5</td>
      <td>NaN</td>
      <td>3</td>
      <td>...</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>5.0</td>
      <td>3</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>6</td>
      <td>1</td>
      <td>3.0</td>
    </tr>
    <tr>
      <th>1</th>
      <td>22.0</td>
      <td>4</td>
      <td>1.0</td>
      <td>1</td>
      <td>2.0</td>
      <td>5.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>5.0</td>
      <td>2</td>
      <td>...</td>
      <td>1.0</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>7</td>
      <td>1</td>
      <td>6.0</td>
    </tr>
    <tr>
      <th>2</th>
      <td>19.0</td>
      <td>5</td>
      <td>2.0</td>
      <td>3</td>
      <td>4.0</td>
      <td>2.0</td>
      <td>1.0</td>
      <td>1</td>
      <td>3.0</td>
      <td>5</td>
      <td>...</td>
      <td>2.0</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>7</td>
      <td>7</td>
      <td>4</td>
      <td>7.0</td>
    </tr>
    <tr>
      <th>3</th>
      <td>17.0</td>
      <td>4</td>
      <td>3.0</td>
      <td>1</td>
      <td>5.0</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>7.0</td>
      <td>5</td>
      <td>...</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>2.0</td>
      <td>3</td>
      <td>1</td>
      <td>5.0</td>
      <td>6</td>
      <td>7</td>
      <td>2</td>
      <td>4.0</td>
    </tr>
    <tr>
      <th>4</th>
      <td>23.0</td>
      <td>4</td>
      <td>6.0</td>
      <td>2</td>
      <td>3.0</td>
      <td>6.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>2.0</td>
      <td>5</td>
      <td>...</td>
      <td>5.0</td>
      <td>1.0</td>
      <td>4.0</td>
      <td>1</td>
      <td>1</td>
      <td>1.0</td>
      <td>6</td>
      <td>7</td>
      <td>4</td>
      <td>5.0</td>
    </tr>
  </tbody>
</table>
<p>5 rows × 121 columns</p>
</div>
 
 
 
<b>Mettre les noms des colonnes dans une variable</b>
 
 
```python
variables = data.columns
```
 
<b>Créer un nouveau tableau de données</b>
<b>Créer un nouveau tableau de données</b>


<source lang="python">new_data = pd.DataFrame()</source>
<b>Pour chaque colonne, mettre les valeur paires dans p1 et impaires dans p2. Attribuer le même index à chaque colonne. Ajouter les colonnes renommées dans le nouveau tableau de données</b>


```python
<source lang="python">for i in variables:
new_data = pd.DataFrame()
```
 
<b>Pour chaque colonne, mettre dans p1 les valeurs paires et dans p2 les valeurs p2.
Donner un index identique pour p1 et p2.
Ajouter les deux colonnes à la suite dans le tableau de données</b>
 
 
```python
for i in variables:
     p1 = data[i].iloc[::2]
     p1 = data[i].iloc[::2]
     p1.index = range(1,len(p1)+1)
     p1.index = range(1,len(p1)+1)
Ligne 427 : Ligne 55 :
      
      
     new_data[v1] = p1
     new_data[v1] = p1
     new_data[v2] = p2
     new_data[v2] = p2</source>
```
<b>Exporter le .csv restructuré</b>
 
 
```python
new_data.head()
```
 
 
 
 
<div>
<style scoped>
    .dataframe tbody tr th:only-of-type {
        vertical-align: middle;
    }
 
    .dataframe tbody tr th {
        vertical-align: top;
    }
 
    .dataframe thead th {
        text-align: right;
    }
</style>
<table border="1" class="dataframe">
  <thead>
    <tr style="text-align: right;">
      <th></th>
      <th>Score Raven_p1</th>
      <th>Score Raven_p2</th>
      <th>Activation_soi_p1</th>
      <th>Activation_soi_p2</th>
      <th>Anxiété_soi_p1</th>
      <th>Anxiété_soi_p2</th>
      <th>Colère_soi_p1</th>
      <th>Colère_soi_p2</th>
      <th>Contrôle_soi_p1</th>
      <th>Contrôle_soi_p2</th>
      <th>...</th>
      <th>Mon partenaire se comportait comme s'il était plus fort que moi_p1</th>
      <th>Mon partenaire se comportait comme s'il était plus fort que moi_p2</th>
      <th>Mon partenaire se montrait aimable envers moi_p1</th>
      <th>Mon partenaire se montrait aimable envers moi_p2</th>
      <th>Mon partenaire se montrait autant intéressé par la construction d'une bonne entente entre nous que par la résolution de la tâche_p1</th>
      <th>Mon partenaire se montrait autant intéressé par la construction d'une bonne entente entre nous que par la résolution de la tâche_p2</th>
      <th>Mon partenaire se montrait tendu et\ou agacé_p1</th>
      <th>Mon partenaire se montrait tendu et\ou agacé_p2</th>
      <th>Mon partenaire voulait rester coller à l'objectif principal de la tâche_p1</th>
      <th>Mon partenaire voulait rester coller à l'objectif principal de la tâche_p2</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>1</th>
      <td>20.0</td>
      <td>22.0</td>
      <td>4</td>
      <td>4</td>
      <td>1.0</td>
      <td>1.0</td>
      <td>3</td>
      <td>1</td>
      <td>2.0</td>
      <td>2.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>1.0</td>
      <td>7</td>
      <td>7</td>
      <td>6</td>
      <td>7</td>
      <td>1</td>
      <td>1</td>
      <td>3.0</td>
      <td>6.0</td>
    </tr>
    <tr>
      <th>2</th>
      <td>19.0</td>
      <td>17.0</td>
      <td>5</td>
      <td>4</td>
      <td>2.0</td>
      <td>3.0</td>
      <td>3</td>
      <td>1</td>
      <td>4.0</td>
      <td>5.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>5.0</td>
      <td>7</td>
      <td>6</td>
      <td>7</td>
      <td>7</td>
      <td>4</td>
      <td>2</td>
      <td>7.0</td>
      <td>4.0</td>
    </tr>
    <tr>
      <th>3</th>
      <td>23.0</td>
      <td>21.0</td>
      <td>4</td>
      <td>4</td>
      <td>6.0</td>
      <td>4.0</td>
      <td>2</td>
      <td>5</td>
      <td>3.0</td>
      <td>3.0</td>
      <td>...</td>
      <td>1.0</td>
      <td>1.0</td>
      <td>6</td>
      <td>7</td>
      <td>7</td>
      <td>7</td>
      <td>4</td>
      <td>1</td>
      <td>5.0</td>
      <td>7.0</td>
    </tr>
    <tr>
      <th>4</th>
      <td>21.0</td>
      <td>21.0</td>
      <td>4</td>
      <td>4</td>
      <td>3.0</td>
      <td>3.0</td>
      <td>2</td>
      <td>3</td>
      <td>5.0</td>
      <td>NaN</td>
      <td>...</td>
      <td>5.0</td>
      <td>1.0</td>
      <td>7</td>
      <td>6</td>
      <td>6</td>
      <td>7</td>
      <td>1</td>
      <td>2</td>
      <td>6.0</td>
      <td>6.0</td>
    </tr>
    <tr>
      <th>5</th>
      <td>23.0</td>
      <td>22.0</td>
      <td>4</td>
      <td>4</td>
      <td>1.0</td>
      <td>2.0</td>
      <td>1</td>
      <td>1</td>
      <td>4.0</td>
      <td>2.0</td>
      <td>...</td>
      <td>4.0</td>
      <td>2.0</td>
      <td>7</td>
      <td>6</td>
      <td>7</td>
      <td>7</td>
      <td>1</td>
      <td>2</td>
      <td>5.0</td>
      <td>6.0</td>
    </tr>
  </tbody>
</table>
<p>5 rows × 242 columns</p>
</div>
 
 
 
<b>Exporter le fichier .csv restructuré</b>


<source lang="python">new_data.to_csv('out.csv',sep=';')</source>


```python
[[category: Python]]
new_data.to_csv('out.csv',sep=';')
[[category: Programmation]]
```
[[category: Technologies]]

Dernière version du 16 novembre 2018 à 14:26

Restructurer un tableau de données dyadiques
⚐ Terminé ☸ intermédiaire
⚒ 2018/11/16

Ce script nécessite python3+ et la librairie pandas. Il permet de passer d'un tableau de données de dyades structurées par individus à une structure par dyades.

Pour installer pandas à partir de pip dans l'invite de commande/terminal : 

python -m pip install –upgrade pandas


Structure individuelle :

Individual structure

Structure dyadique :

Dyadic structure

Code

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import pandas as pd

Spécifier le chemin d'accès de votre dossier 

os.chdir('path')

Préciser le nom de votre fichier .csv. Le fichier .csv doit être sauvegardé avec un encodage utf-8 pour que les caractères accentués soient pris en compte 

df1 = pd.read_csv('fichier.csv',sep=';')

Supprimer les colonnes pour lesquelles vous ne souhaitez pas restructurer les données 

data = df1.drop(['Dyade','Sujet','Sexe','Condition'], axis = 1)

Mettre les noms de colonnes dans une liste 

variables = data.columns

Créer un nouveau tableau de données 

new_data = pd.DataFrame()

Pour chaque colonne, mettre les valeur paires dans p1 et impaires dans p2. Attribuer le même index à chaque colonne. Ajouter les colonnes renommées dans le nouveau tableau de données 

for i in variables:
    p1 = data[i].iloc[::2]
    p1.index = range(1,len(p1)+1)
    
    p2 = data[i].iloc[1::2]
    p2.index = range(1,len(p2)+1)

    v = i
    v1 = i + '_p1'
    v2 = i + '_p2'
    
    new_data[v1] = p1
    new_data[v2] = p2

Exporter le .csv restructuré 

new_data.to_csv('out.csv',sep=';')
Récupérée de « https://edutechwiki.unige.ch/fmediawiki/index.php?title=Restructurer_un_tableau_de_données_dyadiques&oldid=103712 »