Tous les projets

Projet 07 / 08Data Science

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
  • Python
  • Pandas
  • Matplotlib
  • Data Analysis
  • CSV
  • JSON
  • Statistics
  • Visualization
Analyse de données Twitter

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