edit code python dans le tp choixpeau, ajout sources, typo et suppression lignes inutiles

knn/TP_KNN.md

@@ -1,6 +1,6 @@
-## Aidons le Choixpeau magique
+## Choixpeau Magique et KNN
 
-## Durée estimée : 70 min
+## 
 
 ### Contexte
 
@@ -8,7 +8,7 @@
 
 ### Données disponibles
 
-Le Choixpeau magique dispose d'un fichier CSV avec les données d'un échantillon d'élèves. Les 6 premières lignes du fichier sont les suivantes :
+Le Choixpeau magique dispose d'un [fichier csv](choixpeauMagique.csv)  avec les données d'un échantillon d'élèves. Les 6 premières lignes du fichier sont les suivantes :
 
 | Nom      | Courage | Loyauté | Sagesse | Malice | Maison     |
 | -------- | ------- | ------- | ------- | ------ | ---------- |
@@ -59,12 +59,15 @@ $$
 
 
 
+
+
 ```python
+import csv
 def charger_table(nom_fichier):
     """
-Permet de charger une liste d'élèves à partir d'un fichier CSV
+: fonction charger_table : Permet de charger une liste d'élèves à partir d'un fichier CSV
-Paramètre : le nom d'un fichier CSV
+: param nom_fichier : le nom d'un fichier CSV
-Résultat : la liste des élèves
+: return table : la liste des élèves
 """
 
     table= []
@@ -76,12 +79,13 @@ Résultat : la liste des élèves
                            "courage": int(eleve[1]),
                            "loyauté": int(eleve[2]),
                            "sagesse":int(eleve[3]),
-                    "malice":int(eleve[4]),
+                           "malicez":int(eleve[4]),
                            "maison" : eleve[5]})
     return table
+
 ```
 
-L'instruction suivante permet de charger les informations dans une variable poudlard à partir d'un fichier choixpeauMagique. csv qui se trouve dans le**répertoire courant :
+L'instruction suivante permet de charger les informations dans une variable **poudlard** à partir d'un fichier choixpeauMagique. csv qui se trouve dans le répertoire courant (n'oubliez pas de l'y déposer ! ) :
 
 ```python
 poudlard = charger_table("choixpeauMagique.csv")
@@ -109,21 +113,18 @@ def frequence_des_maisons(table):
     """
 Paramètre: une liste d'élèves, chaque élève étant modélisé par un dictionnaire
 Résultat: un dictionnaire dont les clés sont les maisons et les valeurs, le nombre de fois où cette maison apparaît.
-	
 """
     frequences={}
     for eleve in table:
         maison = eleve["maison"]
         if maison in frequences.keys():
-          frequences[maison] frequences[maison] + 1
+            frequences[maison] = frequences[maison] + 1
         else:
           frequences[maison] = 1
     return frequences
-assert frequence_des_maisons(poudlard) == {'Serpentard': 12,'Gryffondor': 17, 'Serdaigle': 11, 'Poufsouffie': 10}
 ```
 
-1. Quelle est la signification du nombre 12 qui apparait ligne 17 ?
+1. Écrire le code de la fonction *maison_majoritaire* qui prend une liste d'élèves en paramètre et qui renvoie le nom de la maison la plus représentée. 
-2. Écrire le code de la fonction rnaison_majoritaire qui prend une liste d'élèves en paramètre et qui renvoie le nom de la maison la plus représentée. 
 
 
 
@@ -135,7 +136,7 @@ assert frequence_des_maisons(poudlard) == {'Serpentard': 12,'Gryffondor': 17, 'S
 
 
 
-1. Compléter la formulation de l'algorithme suivant.
+1. Écrire et compléter en pseudo code l'algorithme qui suit : 
 
    Données:
 
@@ -143,6 +144,12 @@ assert frequence_des_maisons(poudlard) == {'Serpentard': 12,'Gryffondor': 17, 'S
    -  nouveau: un nouvel élève qui n'a pas encore de maison.
    - Résultat : les 7 plus proches voisins du nouveau.
 
+   Algorithme :
+
+   - à compléter
+   - à compléter
+   - à compléter
+
 2. Implémenter cet algorithme en Python
 
 -------
@@ -167,3 +174,13 @@ Algorithme :
 - Parmi ces proches_voisins, trouver la maison majoritaire.
 - Renvoyer la maison_majoritaire.
 - Implémenter cet algorithme en Python 
+
+
+
+----------
+
+Sources : 
+
+- Prépabac NSI (Édition Hatier)
+- [Site de l'académie de Nantes](https://www.pedagogie.ac-nantes.fr/enseignements-informatiques/enseignement/nsi/mini-projet-choixpeau-magique-1447870.kjsp?RH=1158678510343)
+- [Gitlab de David Landry](https://gitlab.com/david_landry/nsi)