Écrivez ~/data/nettoyage.py qui prépare ventes.csv :
df = pd.read_csv("ventes.csv")- suppression des doublons (
drop_duplicates())
- conversion de
date en date (pd.to_datetime(df["date"]))
- valeurs manquantes de
montant remplacées par la médiane (fillna(df["montant"].median()))
- chiffre d'affaires par magasin :
df.groupby("magasin")["montant"].sum(), trié par ordre décroissant, affiché
- export
df.to_parquet("ventes_propres.parquet", index=False)
Exécutez python3 nettoyage.py (depuis ~/data). Magasin au plus gros chiffre d'affaires → answer top <magasin> ; nombre de doublons supprimés → answer doublons <n>