Projet collaboratif universitaire où nous avons créé une base de données Oracle SQL et effectué des requêtes sur celle-ci. Nous avons ensuite mené une analyse statistique, en Python, des données.
Nous avions un projet collaboratif universitaire (une SAÉ) où nous devions, en respectant minutieusement un cahier des charges, élaborer une base de données en Oracle SQL sur le thème de la météo en utilisant le logiciel Oracle SQL Developer et rédiger des requêtes.
Nous devions ensuite analyser statistiquement les données en utilisant Python, et plus précisément les bibliothèques Pandas, Numpy et MatPlotLib, après avoir préalablement exporté en CSV les différentes tables. Pour ce qui est de la partie base de données, voici un extrait de ce que nous avons implémenté, pour la table "Alerte", qui modélise les alertes météorologiques:Nom de la colonne | Signification (sémantique) | Type de données | Clé primaire | Clé étrangère | Référence |
---|---|---|---|---|---|
IdA | Identifiant unique de l'alerte | NUMBER(15) | Oui | Non | - |
Categorie | Catégorie d'alerte (vagues-submersion, avalanche...) | VARCHAR2(20) | Non | Non | - |
IdL | Identifiant unique de lieu (correspondant à un code postal) | NUMBER(5) | Non | Oui | Lieu.IdL |
DateDeb | Date de début de l'alerte | DATE | Non | Non | - |
DateFin | Date de fin de l'alerte | DATE | Non | Non | - |
Niveau | Niveau de l'alerte (de 1 à 4) | NUMBER(1) | Non | Non | - |
Diagramme en boîte du nombre d'alertes par région
Niveau moyen d'alerte par catégorie
Capture d'écran de la création de la table "Lieu"
Capture d'écran d'une des requêtes SQL
Capture d'écran d'un graphique montrant la température moyenne par ville, effectué en Python