SAE – Traitement de données Twitter (BUT 1)
Collecte, traitement et analyse de tweets avec Python pour identifier les tendances par périodes temporelles.
- Cadre
- SAE · BUT 1
- Domaine
- Données & vision
- Outils & technologies

01
Objectif du projet
Dans le cadre de cette SAE, nous avons été amenés à collecter, traiter et analyser des Tweets à l’aide de plusieurs outils informatiques. Notre objectif était de décréter les tendances selon les périodes en relevant les occurrences de certains mots clés et d’afficher ces tendances de manière visuelle avec des graphiques.
02
Étapes du projet
- Récupération des jeux de données : Collecte de tweets au format CSV, JSON et TXT
- Parsage de fichiers : Apprentissage de la lecture et écriture de fichiers en Python, manipulation de différents formats de données
- Nettoyage des données : Suppression des doublons, correction des fautes d’orthographe, filtrage du contenu pertinent
- Calcul du taux d’apparition : Comptage des occurrences de mots clés spécifiques sur différentes périodes temporelles
- Analyse statistique : Identification des tendances et corrélations entre les données
- Visualisation avec Matplotlib : Création de graphiques (courbes, histogrammes, nuages de points) pour afficher les trends de manière claire et impactante
03
Technologies & Outils utilisés
- Python
- Langage principal pour le traitement et l’analyse
- Pandas
- Manipulation et nettoyage de données structurées
- Matplotlib
- Création de visualisations graphiques des tendances
- Fichiers CSV/JSON/TXT
- Parsage et traitement de multiples formats
04
Compétences acquises
- Manipulation de données avec Python
- Maîtrise de Pandas pour le nettoyage et la transformation de grandes quantités de données
- Lecture/Écriture de fichiers
- Parsage de fichiers CSV, JSON et TXT en Python
- Analyse statistique
- Calcul de taux d’apparition, fréquences et corrélations
- Visualisation de données
- Storytelling graphique avec Matplotlib pour présenter les tendances de manière impactante
- Nettoyage de données
- Traitement des doublons, correction d’erreurs et préparation des données