Saison 1 : Les véhicules électriques, de 2017 à 2030
6 épisodes · Vous êtes à l’épisode 2
|
01
Les sources Point de départ |
02
Nettoyage 1er défi |
03
Le monde Qui roule ? |
04
Le Canada Provinces et territoires |
05
L’énergie Prix de l’énergie |
06
Scénarios 2030 |
Progression : 33 %
Épisode 2 sur 6 · Nettoyage
Notre premier défi
Les quatre fichiers bruts totalisent 86 449 lignes. Ils comprennent des périodes et des catégories qui dépassent le périmètre du projet. J’ai filtré les observations utiles, harmonisé les colonnes et documenté les jeux de données obtenus.
Cet article prend le prix de l’essence comme exemple et présente les contrôles publiés dans le projet. Au total, la préparation des quatre sources aboutit à 5 568 lignes retenues.
La question
Comment sélectionner les données utiles tout en conservant des transformations et des contrôles compréhensibles pour un autre analyste ?
La démarche
Pour chaque source, même enchaînement : vérifier, filtrer, documenter.
- Inspecter les données brutes (
.info(),.isna(),.unique()). - Filtrer pour ne garder que les lignes pertinentes au projet.
- Transformer (dates, renommage des colonnes).
- Vérifier le résultat (doublons, valeurs manquantes, cohérence).
- Documenter chaque fichier nettoyé avec un dictionnaire de données.
Les étapes
Je prends la Source 1 (Prix de l’essence) comme exemple. Les autres sources suivent la même logique.
Étape 1 · Inspecter les données brutes
Cet extrait inspecte les types de colonnes et les valeurs manquantes. Il sert à repérer les points à traiter avant le filtrage. La sélection des catégories de carburant est décrite dans l’étape suivante.
df_gaz_brut.info()
print()
print("Valeurs manquantes :")
print(df_gaz_brut.isna().sum())
Observation : la colonne Type de carburant contient plusieurs catégories (essence ordinaire, super, diesel…). Nous ne voulons que l’essence ordinaire libre-service.
Étape 2 · Appliquer les filtres
Le code conserve l’essence ordinaire en libre-service, convertit la période en date et sélectionne 2017–2024. Il dépend des variables préparées dans le notebook, notamment col_periode ; il est présenté comme un extrait du traitement.
df_gaz = df_gaz_brut.copy()
# 1. Filtrer : essence ordinaire libre-service seulement
filtre_carburant = df_gaz["Type de carburant"].str.contains("ordinaire", case=False) & \
df_gaz["Type de carburant"].str.contains("libre-service", case=False)
df_gaz = df_gaz[filtre_carburant].copy()
print(f"Après filtre carburant : {df_gaz.shape[0]} lignes")
# 2. Convertir la période en datetime
df_gaz["date"] = pd.to_datetime(df_gaz[col_periode], format="%Y-%m")
# 3. Filtrer la période 2017-2024
df_gaz = df_gaz[(df_gaz["date"] >= "2017-01-01") &
(df_gaz["date"] <= "2024-12-31")].copy()
print(f"Après filtre période : {df_gaz.shape[0]} lignes")
Étape 3 · Vérifier le résultat
Ces contrôles portent sur la période obtenue, les géographies, les doublons et les valeurs manquantes. La sortie publiée ci-dessous est celle du projet ; elle n’a pas été régénérée lors de cette révision éditoriale.
print("~~~~~ Vérification ~~~~~")
print(f"Période : {df_gaz['date'].min()} à {df_gaz['date'].max()}")
print(f"Nb géographies : {df_gaz['geo'].nunique()}")
print(f"Doublons : {df_gaz.duplicated().sum()}")
print(f"\nValeurs manquantes :\n{df_gaz.isna().sum()}")
Résultat :
~~~~~ Vérification ~~~~~ Période : 2017-01-01 à 2024-12-01 Nb géographies : 19 Doublons : 0 Valeurs manquantes : 0
Avant / Après le nettoyage

La préparation ramène les quatre sources de 86 449 à 5 568 lignes, soit une diminution d’environ 94 %. Elle s’explique principalement par les filtres et, pour le WTI, par l’agrégation de prix quotidiens en moyennes mensuelles. Ce changement de volume n’est pas une mesure de qualité à lui seul : il doit être accompagné de contrôles adaptés à chaque source.
| Source | Brut | Nettoyé | Réduction |
|---|---|---|---|
| Essence Canada | 45 772 | 1 824 | −96 % |
| VE Canada | 14 112 | 672 | −95 % |
| WTI (quotidien → mensuel) | 10 129 | 96 | −99,1 % |
| VE Monde | 16 436 | 2 976 | −82 % |
| Total | 86 449 | 5 568 | −94 % |
Documenter : le dictionnaire de données
Le dictionnaire précise le sens, le type, l’unité et la source de chaque colonne. Il permet de comprendre les fichiers nettoyés et de distinguer, par exemple, le parc immatriculé des ventes neuves. Voici les champs décrits pour immatriculations_ve_canada_2017_2024.csv.
annee
Année d’observation (2017 à 2024)
Type : int · Source : Stat. Canada, 23-10-0308
province
Province, territoire ou total Canada
Type : str · Source : Stat. Canada, 23-10-0308
type_carburant
BEV, PHEV, Essence, Diesel, Hybride ou Total
Type : str · Source : Stat. Canada, 23-10-0308
nb_vehicules
Nombre de véhicules immatriculés pendant l’année (tout le parc, pas seulement les véhicules neufs)
Type : int · Source : Stat. Canada, 23-10-0308
À retenir
Les quatre sources ont été filtrées, transformées et documentées. Les contrôles présentés rendent la préparation plus facile à examiner et à reprendre. La documentation ne remplace toutefois pas l’accès aux fichiers, aux dépendances et à l’ensemble du notebook pour reproduire le traitement.
Prochain épisode
Épisode 3 · Le monde en 8 ans : qui roule à l’électrique ?
Quels pays mènent la transition, et où se place le Canada ?
Auteur et contributions
Article rédigé par Ahmed-Nour Mahamoud Dirieh, référent Python d’un projet d’équipe de trois au CCNB. « Je » désigne l’auteur, « nous » l’équipe. La répartition du travail est détaillée dans le dossier du projet.
Laisser un commentaire