Data Analysis
Analyse du temps d'écran des enfants
Analyse exploratoire (EDA) d'un jeu de données sur le temps d'écran des enfants en fonction de facteurs démographiques (âge, genre, usage).

Contexte
Ce projet est une analyse exploratoire de données (EDA) portant sur le temps d'écran quotidien moyen des enfants. L'objectif était d'identifier des tendances et des corrélations entre ce temps d'écran et plusieurs variables démographiques : l'âge, le genre, le type d'utilisation (éducatif vs récréatif) et le type de journée (semaine vs week-end).
Le jeu de données est fourni sous forme de fichier CSV et toute l'analyse est conduite dans un unique notebook Jupyter.
Ce que couvre l'analyse
L'exploration suit une progression logique, du nettoyage des données jusqu'à l'interprétation des résultats :
- Nettoyage et préparation — vérification des valeurs manquantes, typage des colonnes, exploration des distributions
- Analyse par âge — comment le temps d'écran évolue avec l'âge des enfants
- Analyse par genre — comparaison entre filles et garçons
- Type d'usage — répartition entre usages éducatifs et récréatifs
- Jours de semaine vs week-end — impact du rythme hebdomadaire sur les habitudes
- Visualisations — graphiques en barres, distributions, comparaisons inter-groupes produits avec Matplotlib et Seaborn
Stack technique
Python Langage principal
Pandas Manipulation et nettoyage du dataframe
Matplotlib Visualisations de base
Seaborn Graphiques statistiques avancés
Jupyter Environnement d'analyse interactif
Structure du projet
Le projet est volontairement minimaliste, centré sur un seul fichier d'analyse :
screen_time.csv Dataset principal
screen_time.ipynb Notebook complet (analyse + visualisations)
Ce que j'ai appris
Ce projet m'a permis de consolider les bases du flux de travail d'analyse de données avec Python : charger et nettoyer un dataset, formuler des hypothèses, les vérifier visuellement, puis interpréter les résultats de manière critique.
La partie la plus instructive a été d'apprendre à choisir le bon type de visualisation selon la nature de la variable (catégorielle, numérique, comparaison entre groupes), et à produire des graphiques lisibles sans surcharge visuelle.
Projet suivant
France Stats.