Aller au contenu principal
Bethemesh
Données & tableaux

Statistiques CSV et profil de données

Profilez un CSV localement : types de colonnes, valeurs manquantes et uniques, minimum, maximum, moyenne, médiane, mode et écart-type.

  • Presse-papiers
Automatiser

Intégrer ce widget

Personnalisez le rendu, vérifiez l’aperçu puis copiez le code.

Aperçu

Type de code d’intégration

Code à copier

Responsive et redimensionné automatiquement par Bethemesh.

Cet outil vous a-t-il été utile ?

Comment fonctionne cet outil ?

Avant d’additionner une colonne ou de joindre un export, il est utile de connaître ses valeurs manquantes, sa diversité et les écritures qu’elle contient. Le profil CSV examine chaque colonne et fournit un diagnostic descriptif, pas une correction automatique. Il distingue les cellules présentes des absences et calcule des indicateurs sur les valeurs interprétables comme nombres. Un identifiant composé uniquement de chiffres peut donc être détecté comme numérique sans être une quantité pertinente à additionner. L’interprétation métier des résultats reste indispensable pour choisir la transformation suivante.

Le lecteur détecte le séparateur entre virgule, point-virgule, tabulation et barre verticale et respecte les champs entre guillemets, y compris multilignes. L’en-tête est activé au départ ; sans lui, des noms génériques sont créés et la première ligne participe aux données. Chaque colonne est profilée séparément. Une cellule absente, vide ou composée seulement d’espaces est manquante. Son taux est rapporté à toutes les lignes de données, alors que le nombre de valeurs présentes exclut ces absences.

Les valeurs distinctes comptent des écritures différentes, pas seulement les valeurs apparaissant une seule fois. La casse, les espaces des cellules non vides et la notation numérique peuvent donc changer cette cardinalité. En revanche, les calculs reconnaissent un point ou une virgule décimale et des espaces de milliers valides. Une annotation non numérique n’est jamais forcée à zéro. Les types vide, numérique, booléen, date, texte ou mixte sont inférés d’après les cellules : ce sont des indices pratiques, pas une validation complète des dates ou du schéma attendu.

Minimum, maximum, somme, moyenne, médiane et écart-type utilisent uniquement les nombres convertibles. La médiane trie ces nombres et prend la valeur centrale, ou la moyenne des deux centrales. L’écart-type est celui de la population, avec division par n et non n − 1. Le mode numérique n’est indiqué que si une valeur se répète ; en cas de plusieurs modes, le plus petit est affiché. Une seule valeur donne un écart-type nul. Les résultats affichés sont arrondis à quatre décimales au maximum selon la langue, tandis que le calcul utilise la précision flottante JavaScript.

Comment utiliser cet outil ?

  1. Fournissez l’export avec les bonnes options

    Collez ou importez le CSV et confirmez si la première ligne est un en-tête. Le bouton d’import limite les fichiers à 5 Mio ; les données et le profil sont traités en mémoire dans votre navigateur.

  2. Lisez les comptes avant les moyennes

    Vérifiez le nombre de lignes et de colonnes, puis les valeurs présentes, manquantes et distinctes. Un type inattendu ou une forte absence doit être compris avant d’interpréter un indicateur numérique.

  3. Interprétez puis exportez le diagnostic

    Examinez l’écart entre moyenne et médiane, les extrêmes et le mode lorsqu’il existe. Copiez ou exportez le rapport texte pour documenter le contrôle, puis effectuez séparément les corrections justifiées par les données source.

Calculs réellement appliqués

Les xᵢ sont les n cellules numériques reconnues, après exclusion des absences et textes invalides. N désigne toutes les lignes de données et m les cellules manquantes de la colonne. Les sommes, moyennes et écarts-types gardent l’unité des nombres analysés ; le taux de manque est exprimé en pourcentage.

Somme

S = Σ xᵢ

Seules les valeurs numériques participent à cette addition, sans imputer un zéro aux cellules exclues.

Moyenne arithmétique

x̄ = S / n

Le dénominateur est le nombre de valeurs numériques, pas le total des lignes du fichier.

Écart-type de population

σ = √(Σ(xᵢ − x̄)² / n)

Cette convention décrit la série fournie sans correction d’échantillon en n − 1.

Taux de valeurs manquantes

p = 100 × m / N

Ce taux utilise toutes les lignes de données, y compris celles qui ne fournissent aucun nombre.

Cas d'utilisation

Repérer une colonne incomplète

Mesurez le taux de valeurs manquantes d’un identifiant ou d’une mesure avant de choisir entre correction dans la source, exclusion ciblée et conservation explicite des absences.

Découvrir une colonne mixte

Détectez des nombres accompagnés d’annotations ou d’écritures non reconnues. La moyenne ne porte que sur le sous-ensemble numérique et ne représente pas nécessairement toute la population métier.

Comparer un profil avant et après nettoyage

Contrôlez les comptes, la cardinalité et les statistiques après une transformation pour vérifier qu’elle a corrigé le problème attendu sans supprimer des enregistrements ou changer artificiellement des valeurs.

Exemples

Mesurer une absence sans l’assimiler à zéro

Trois valeurs sont présentes et une est manquante, soit 25 %. La somme est 300, la moyenne et la médiane valent 100. Aucun nombre ne se répète : il n’y a pas de mode numérique. L’écart-type de population vaut environ 16,3299.

Entrée

montant
100
120
""
80

Résultat

montant · type nombre · 3 valeurs · 1 manquantes (25 %) · 3 uniques · min 80 · max 120 · somme 300 · moyenne 100 · médiane 100 · écart-type 16,3299 · mode -

Comparer quantité et statut

La colonne montant possède quatre nombres et une absence ; sa moyenne vaut 22,5 et son mode 20. La colonne statut contient deux valeurs distinctes sur cinq cellules présentes. Cette cardinalité de deux ne signifie pas que deux cellules seulement sont renseignées.

Entrée

montant;statut
10;ok
20;ok
20;NA
40;ok
;NA

Résultat

montant · type nombre · 4 valeurs · 1 manquantes (20 %) · 3 uniques · min 10 · max 40 · somme 90 · moyenne 22,5 · médiane 20 · écart-type 10,8972 · mode 20
statut · type texte · 5 valeurs · 0 manquantes (0 %) · 2 uniques

Conseils et bonnes pratiques

  • Une grande cardinalité est normale pour une clé unique mais suspecte pour un champ censé ne contenir que quelques catégories. Interprétez les valeurs distinctes en fonction du rôle de la colonne, pas comme une note de qualité universelle.
  • Les écritures 1 et 1,0 peuvent être distinctes dans la cardinalité mais représenter le même nombre dans les calculs. Cette différence entre comparaison textuelle et interprétation numérique n’est pas une incohérence du compteur.
  • Une moyenne plausible ne prouve pas que toutes les cellules ont été calculées. Contrôlez le type mixte et les absences, puis examinez les valeurs rejetées avant de prendre une décision sur la seule statistique affichée.

Sources et références

Questions fréquentes

Les cellules vides sont-elles ajoutées comme des zéros ?

Non. Elles augmentent le nombre de valeurs manquantes et son taux, mais n’entrent ni dans la somme ni dans le dénominateur de la moyenne numérique. Un vrai zéro reste une valeur présente et participe à tous les calculs applicables.

Pourquoi l’écart-type diffère-t-il de celui de mon tableur ?

Le profil utilise la convention population, divisant par n. Une fonction d’écart-type d’échantillon divise par n − 1 et donne une autre valeur. Vérifiez aussi que les deux logiciels ont retenu exactement les mêmes cellules numériques.

Valeurs uniques signifie-t-il valeurs apparaissant une seule fois ?

Ici, le libellé désigne le nombre de valeurs distinctes présentes. Une valeur répétée cent fois ne compte qu’une unité dans cette cardinalité. Les absences sont exclues, tandis que des variantes d’écriture non vides peuvent compter séparément.

Le type date ou nombre garantit-il des données correctes ?

Non. L’inférence est une aide à l’inspection et ne connaît ni votre schéma ni le sens des colonnes. Une référence numérique peut être un identifiant ; une forme reconnue comme date ne remplace pas un contrôle métier et calendaire dédié.

Outils associés

Continuez avec ces outils

Des outils similaires ou complémentaires à celui-ci.

Outils similaires

Ajouter une colonne calculée

Créez une nouvelle colonne numérique à partir d’une formule utilisant les autres colonnes du tableau.

Données & tableauxNouveauUtiliser l’outil

Tableau croisé dynamique (Pivot)

Croisez une dimension de ligne et une dimension de colonne, puis calculez un nombre, une somme, une moyenne, un minimum ou un maximum.

Données & tableauxMis en avantUtiliser l’outil

À lire aussi