dépot du projet

.gitignore

+__pycache__/
+*.pyc
+
+*.pdf
+
+.DS_store
\ No newline at end of file

README.md

+# TO DO
\ No newline at end of file

bash.exe.stackdump

+Stack trace:
+Frame        Function    Args
+000005FA980  00180064365 (00180289382, 00180266FBE, 0000000005E, 000005FAE60)
+000005FAEB0  001800499D2 (001800CC7D7, 000005FFAE0, 00180325DE0, 00100001000)
+000005FBEC0  00180049A11 (00000000000, 0000000005A, 0000000005E, 00080228200)
+000005FBF50  001800D680C (00180266B72, 00180347408, 00180369680, 000005FBFCC)
+000005FBFD0  00180141279 (00180228200, 000005FC080, 0018010DF7F, 00180228210)
+000005FC060  00180049E5D (00180040000, 000005FDDE0, 00000000000, 00000000000)
+000005FC0F0  0018004B55F (0007FFE0384, 00000000000, 00000000000, 00000000000)
+000005FF328  001800D7DE8 (00000000000, 00000000000, 00000000000, 00000000000)
+000005FF5E0  7FFF45FA9A1D (00180040000, 00000000001, 00000000000, 000005FF528)
+000005FF5E0  7FFF45FFC1E7 (7FFF45FCDB00, 00000785301, 7FFF00000001, 00000000001)
+000005FF5E0  7FFF45FFBF7A (000007853B0, 000005FF5E0, 00000785D20, 00000070000)
+000005FF5E0  7FFF45FFC000 (00000000010, 00000000000, 7FFF460C1AA0, 000005FF678)
+00000000000  7FFF46063C2A (00000000000, 00000000000, 00000000001, 00000000000)
+00000000000  7FFF46004CDB (7FFF45F90000, 00000000000, 0000021E000, 00000000000)
+00000000000  7FFF46004B63 (00000000000, 00000000000, 00000000000, 00000000000)
+00000000000  7FFF46004B0E (00000000000, 00000000000, 00000000000, 00000000000)
+End of stack trace

config/config.py

+<<<<<<< HEAD
+TEST_RATIO = 0.3
+SEED = 13
+=======
+TEST_RATIO = 0.2
+SEED = 5
+SIZE_TRAIN=[20, 50, 100, 250, 450, 648]  
+>>>>>>> 324e24a (dépot du projet)

features.txt

+Price: The price of the house.
+Area: The total area of the house in square feet.
+Bedrooms: The number of bedrooms in the house.
+Bathrooms: The number of bathrooms in the house.
+Stories: The number of stories in the house.
+Mainroad: Whether the house is connected to the main road (Yes/No).
+Guestroom: Whether the house has a guest room (Yes/No).
+Basement: Whether the house has a basement (Yes/No).
+Hot water heating: Whether the house has a hot water heating system (Yes/No).
+Airconditioning: Whether the house has an air conditioning system (Yes/No).
+Parking: The number of parking spaces available within the house.
+Prefarea: Whether the house is located in a preferred area (Yes/No).
+Furnishing status: The furnishing status of the house (Fully Furnished, Semi-Furnished, Unfurnished).
+House Age: the house age
\ No newline at end of file

requirements.txt

+<<<<<<< HEAD
+fakelibrary==1.0.1
+=======
+pandas>=1.5.3
+numpy>=1.24.3
+matplotlib>=3.7.1
+seaborn>=0.12.2
+scikit-learn>=1.2.2
+>>>>>>> 324e24a (dépot du projet)

src/data_processing/load_data.py

+import pandas as pd
+
+
+def load_data(filename: str) -> pd.DataFrame:
+    """_summary_
+
+    Args:
+        filename (str): _description_
+
+    Returns:
+        pd.DataFrame: _description_
+    """
+<<<<<<< HEAD
+    pass
+=======
+
+    data=pd.read_csv(filename)
+
+    return data
+>>>>>>> 324e24a (dépot du projet)

src/data_processing/preprocessing.py

+import pandas as pd
+
+
+def rename_data(data : pd.DataFrame) -> pd.DataFrame :
+    """_summary_
+
+    Args:
+        data : Notre jeu de données brutes
+
+    Returns:
+        pd.DataFrame: Notre jeu de données avec un format de colonnes correctes
+    """
+    data.columns=data.columns.str.lower()
+
+    data.columns=data.columns.str.replace(' ','_')
+
+
+    return data
+
+
+def cat_to_quant(data: pd.DataFrame) -> pd.DataFrame:
+    """_summary_
+
+    Args:
+        data : Notre jeu de données contenant des variables catégorielles
+
+    Returns:
+        pd.DataFrame: Notre jeu de données avec les variables catégorielles transformées en variables quantitatives
+    """
+    data=data.replace({'yes': 1, 'no': 0})
+
+
+    return data
+
+
+def delete_feature(data: pd.DataFrame, feature: str) -> pd.DataFrame:
+    """
+    Supprime une colonne spécifiée du DataFrame
+
+    Args:
+        data (pd.DataFrame): Le jeu de données à partir duquel la colonne doit être supprimée.
+        feature (str): Le nom de la colonne à supprimer.
+
+    Returns:
+        pd.DataFrame: Un DataFrame avec la colonne spécifiée supprimée.
+
+
+    """
+    if feature in data.columns:
+        data = data.drop(columns=[feature])
+    
+    return data
+
+
+def impute_mean(data)-> pd.DataFrame:
+    """
+    Remplace les valeurs manquantes dans les colonnes numériques d'un DataFrame par la moyenne de chaque colonne.
+
+    Args:
+        dataframe (pd.DataFrame): Le DataFrame sur lequel effectuer l'imputation.
+
+    Returns:
+        pd.DataFrame: Un DataFrame avec les valeurs manquantes dans les colonnes numériques remplacées par les moyennes.
+
+    """
+    cols = data.columns
+
+    # Calcule de la moyenne pour chaque colonne
+    means = data[cols].mean()
+
+    # Remplacer les valeurs manquantes par les moyennes dans les colonnes
+    data[cols] = data[cols].fillna(means)
+
+    #on transforme toutes les données du jeu de données en entier car des variables binaires se retrouvent non binaire
+    data=data.astype('int64')
+
+    return data
+
+
+def encode_and_bind(df: pd.DataFrame, column_name: str) -> pd.DataFrame:
+    """
+    Convertit une colonne catégorielle en minuscules, applique un encodage one-hot,
+    ajoute les colonnes encodées au DataFrame original, exclut une des colonnes encodées pour éviter la multicollinéarité,
+    et supprime la colonne catégorielle originale.
+
+    Args:
+        df (pd.DataFrame): DataFrame contenant la colonne à transformer.
+        column_name (str): Nom de la colonne catégorielle à encoder.
+
+    Returns:
+        pd.DataFrame: DataFrame avec la colonne originale remplacée par ses encodages one-hot.
+
+
+    """
+    if column_name not in df.columns:
+        raise ValueError(f"{column_name} does not exist in the DataFrame.")
+
+    df[column_name] = df[column_name].str.lower()
+
+    cat_to_quant = pd.get_dummies(df[column_name])
+
+    df = pd.concat([df, cat_to_quant.iloc[:, :-1]], axis=1)
+
+    df.drop(columns=[column_name], inplace=True)
+
+    return df
+
+
+   
+   
\ No newline at end of file

src/data_science/data.py

+import numpy as np
+import pandas as pd
+
+def split_data(data, test_ratio, random_seed, target_column):
+    """
+    Divise un DataFrame étiqueté en ensembles d'entraînement et de test. Les données sont également mélangées
+    manuellement.
+
+    Args:
+        df (pd.DataFrame): Le DataFrame à diviser.
+        test_ratio (float): La proportion des données à utiliser pour le test set, entre 0 et 1.
+        random_seed (int): La graine pour la randomisation, assure la reproductibilité des résultats.
+        target_column (str): Le nom de la colonne cible dans le DataFrame.
+
+    Returns:
+        tuple: Contenant X_train, y_train, X_test, y_test, où "X" sont les variables explicatives
+               et "y" est la variable à prédire.
+    """
+    # S'ssurer que target_column est présent dans DataFrame
+    if target_column not in data.columns:
+        raise ValueError(f"{target_column} does not exist in the DataFrame.")
+
+    # Mélanger les données
+    np.random.seed(random_seed)
+    shuffled_indices = np.random.permutation(len(data))
+    test_set_size = int(len(data) * test_ratio)
+    test_indices = shuffled_indices[:test_set_size]
+    train_indices = shuffled_indices[test_set_size:]
+
+    # Créer les datasets de test et d'entraînement
+    train_df = data.iloc[train_indices]
+    test_df = data.iloc[test_indices]
+
+    X_train = train_df.drop(columns=[target_column])
+    y_train = train_df[target_column]
+    X_test = test_df.drop(columns=[target_column])
+    y_test = test_df[target_column]
+
+    return X_train, y_train, X_test, y_test