Lire des données, et dire ce qu'elles cachent

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("donnees.csv")
x = df["salaire"].dropna()          # on ecarte les valeurs manquantes

print("effectif   ", len(x))
print("moyenne    ", round(x.mean(), 2))
print("mediane    ", round(x.median(), 2))
q1, q3 = x.quantile(0.25), x.quantile(0.75)
print("Q1, Q3     ", round(q1, 2), round(q3, 2))
print("ecart IQ   ", round(q3 - q1, 2))

x.plot(kind="hist", bins=30)
plt.xlabel("salaire"); plt.show()

Un exemple de rédaction (sur une distribution de salaires) :

« La moyenne dépasse nettement la médiane : la distribution est étalée vers la droite, et quelques très hautes rémunérations tirent la moyenne vers le haut. La médiane décrit donc mieux le salarié typique. »

« L'écart interquartile situe la moitié centrale des salariés dans une plage resserrée, alors que l'étendue est bien plus large : la dispersion visible sur l'histogramme vient surtout des extrêmes, pas du gros de l'effectif. »

« Ces trois nombres ne disent rien de la forme — bimodalité, seuils, effets de palier — ni des sous-populations : une distribution unique peut masquer deux groupes très différents, qu'aucun indicateur global ne révèle. »

Le point de méthode. dropna() n'est pas anodin : écarter les valeurs manquantes est un choix, et il faut savoir combien on en écarte — si elles ne manquent pas au hasard, tous les indicateurs sont biaisés. Le programme demande explicitement de discuter la pertinence des indicateurs : ce n'est pas un exercice de calcul, c'est un exercice de jugement.