import donnees import donnees_completes from math import sqrt ############## # QUESTION 1 # ############## def salaire_moyen_condition(employes, champ, valeur): '''Renvoie le salaire moyen des employes ayant val comme valeur associée au champ donné en argument. Si le nombre d'employés considéré est nul, cette fonction renvoie None''' # Initialiser les accumulateurs nombre = 0 # Compteur d'employés correspondant à la condition total = 0 # Somme des salaires correspondant à la condition # Parcourir tous les employés for employe in employes: # Vérifier si l'employé satisfait la condition if employe[champ] == valeur: nombre += 1 # Incrémenter le compteur total += employe["salaire"] # Ajouter le salaire à la somme # Calculer et retourner la moyenne if nombre > 0: # Il y a au moins un employé correspondant return total / nombre else: # Aucun employé ne correspond à la condition return None empl_cplt = donnees_completes.employes print(f"Salaire moyen des hommes sur les données complètes {salaire_moyen_condition(empl_cplt, 'sexe', 'M')}") print(f"Salaire moyen des femmes sur les données complètes {salaire_moyen_condition(empl_cplt, 'sexe', 'F')}") # Pour le jeu complet de données, on obtient 2438,04 € pour le salaire moyen des hommes et 2229,20 € pour le salaire moyen des femmes. def test_salaire_moyen_condition(): e = donnees.employes assert salaire_moyen_condition([], 'sexe', 'F') == None assert salaire_moyen_condition(e, 'sexe', 'F') == 2400.0 assert salaire_moyen_condition(e, 'etudes', 3) == 2550.0 assert salaire_moyen_condition(e, 'etudes', 12) == None ############## # QUESTION 2 # ############## def effectif_par_sexe(employes): '''Renvoie un dictionnaire ayant deux clés 'F' et 'M' associée respectivement au nombre d'employées femmes et au nombre d'employés hommes dans les données en arguments.''' # Initialiser les compteurs pour chaque sexe total_femmes = 0 # Nombre d'employées femmes total_hommes = 0 # Nombre d'employés hommes # Parcourir chaque employé de la liste for employe in employes: # Vérifier le sexe et incrémenter le compteur correspondant if employe['sexe'] == 'F': total_femmes += 1 # Ajouter 1 au compteur des femmes elif employe['sexe'] == 'M': total_hommes += 1 # Ajouter 1 au compteur des hommes # Retourner un dictionnaire avec les deux effectifs return {'F': total_femmes, 'M': total_hommes} def test_effectif_par_sexe(): e = donnees.employes assert effectif_par_sexe(e) == { 'F' : 3, 'M' : 3 } ############## # QUESTION 3 # ############## # Version de départ de la fonction, à corriger # def calcul_ecart_sexe(employes): # '''Renvoie l'écart de salaire en pourcentage pour les femmes # par rapport aux hommes''' # moy_h = salaire_moyen_condition(employes, 'sexe', 'M') # moy_f = salaire_moyen_condition('employes', 'sexe', 'F') # return moy_h - moy_f # Le code original contient trois erreurs : # 1. `'employes'` au lieu de `employes` : la chaîne de caractères `'employes'` est passée à la place de la variable `employes`, ce qui provoque une erreur car on itère sur les caractères de la chaîne. # 2. Pas de gestion de `None` : si un seul sexe est présent, `salaire_moyen_condition` renvoie `None` et la soustraction échoue. # 3. Formule incorrecte : `moy_h - moy_f` donne une différence en euros, pas un pourcentage. Il faut diviser par `moy_h` et multiplier par 100. # Version corrigée de la fonction : def calcul_ecart_sexe(employes): '''Renvoie l'écart de salaire en pourcentage pour les femmes par rapport aux hommes''' # Étape 1 : Obtenir les effectifs par sexe pour vérifier la présence des deux sexes effectifs = effectif_par_sexe(employes) # Étape 2 : Vérifier qu'il y a au moins un homme ET une femme # Sinon, impossible de calculer un écart de comparaison if effectifs['F'] == 0 or effectifs['M'] == 0: return None # Étape 3 : Calculer les salaires moyens pour chaque sexe moy_h = salaire_moyen_condition(employes, 'sexe', 'M') # Salaire moyen des hommes moy_f = salaire_moyen_condition(employes, 'sexe', 'F') # Salaire moyen des femmes # Étape 4 : Calculer l'écart en pourcentage # Formule : ((moy_h - moy_f) / moy_h) * 100 # Cette formule exprime la différence en pourcentage du salaire des hommes return (moy_h - moy_f) * 100 / moy_h def test_calcul_ecart_sexe(): assert calcul_ecart_sexe([{'sexe': 'F', 'salaire': 1000, 'experience': 1, 'etudes': 1}]) == None e_test = [{'sexe': 'M', 'salaire': 2000, 'experience': 1, 'etudes': 1},{'sexe': 'F', 'salaire': 1800, 'experience': 1, 'etudes': 1}] ecart = calcul_ecart_sexe(e_test) assert 0 <= ecart <= 100 assert ecart == 10.0 print("Tous les tests passent !") # test_calcul_ecart_sexe() print(f"Écart moyen sur les données complètes : {calcul_ecart_sexe(donnees_completes.employes)} %") # L'écart de salaire moyen dans les données complètes est d'environ 8,6 %. # Attribution d'un premier salaire après embauche par les k plus proches voisins def sexe_vers_entier(e): if e['sexe'] == 'F': return 1 else: return -1 def distance(e1, e2): '''Renvoie la mesure de distance entre deux personnes.''' s = 0 #s = s + (sexe_vers_entier(e1) - sexe_vers_entier(e2))**2 s = s + (e1['experience'] - e2['experience'])**2 s = s + (e1['etudes'] - e2['etudes'])**2 return sqrt(s) def k_plus_proches(k, employes, e): '''Renvoie les k employes les plus proches de e par la distance définie au dessus.''' e_d = [(distance(e, employes[i]), i) for i in range(len(employes))] e_d.sort() # va trier en premier sur la distance voisins = [] for i in range(k): voisins.append(employes[e_d[i][1]]) return voisins def salaire_moyen(employes): '''Renvoie le salaire moyen pour une liste d'employes''' if len(employes) == 0: return None s = sum(e['salaire'] for e in employes) return s/len(employes) def salaire_par_proximite(employes, e): '''Prend en entrée une liste d'employés et un dictionnaire comportant les champs experience, etudes et sexe et renvoie le salaire le plus proche en moyennant les 3 plus proches voisins''' voisins = k_plus_proches(3, employes, e) return salaire_moyen(voisins) test1 = {'experience': 3, 'etudes': 3, 'sexe': 'F'} test2 = {'experience': 3, 'etudes': 3, 'sexe': 'M'} print(salaire_par_proximite(donnees_completes.employes, test1)) print(salaire_par_proximite(donnees_completes.employes, test2)) # Telle qu'elle est donnée, la fonction propose un salaire inférieure à la candidate femme par rapport à la candidate homme, alors que les deux ont les mêmes caractéristiques d'expérience et d'études. # Le problème vient de la fonction distance qui inclut le sexe dans le calcul de distance via sexe_vers_entier. # Cela signifie que les candidats femmes sont considérés comme plus « proches » des employées femmes (qui ont des salaires plus bas dans les données) # et les candidats hommes des employés hommes (salaires plus élevés). L'algorithme reproduit et amplifie les biais présents dans les données historiques. # La correction consiste à retirer le sexe du calcul de distance, pour que seuls l'expérience et le niveau d'études déterminent les voisins les plus proches. # Ainsi, un homme et une femme avec les mêmes caractéristiques reçoivent la même proposition de salaire.