analysis

🎓 Études des Universités Américaines

---

📌 Contexte

Project d’exploration des données universitaires US. Objectif : identifier les facteurs influençant la préférence étudiante. Nettoyage rigoureux et analyses descriptives suivies d’un pré-pipeline pour modélisation.

🛠️ Technologies utilisées

• Python 3.8+
• numpy, pandas
• matplotlib, seaborn, plotly.express
• Jupyter / script .py exécutable

📂 Données

• Fichier source : data_universite.xlsx
• Nettoyage : suppression des colonnes >20% de valeurs manquantes, standardisation des noms de colonnes (espaces → _).
• Jeu exploitable après nettoyage : 127 colonnes.
• Observations finales utilisées pour les analyses principales : ~1326 universités (après filtrage NA sur variables clés).

🎯 Objectif analytique

Répondre à : Quels critères poussent un étudiant à préférer une université ?
Distinguer volume de candidatures, taux d'admission, coût, contrôle (public/privé) et effectif.

🛠️ Méthodologie

1. Inspection initiale (.info(), .shape, isnull().sum()).
2. Suppression colonnes fortement incomplètes (>20%).
3. Standardisation noms de colonnes via fonction remove_space.
4. Sélection variables d’intérêt.
5. Nettoyage lignes (dropna sur variables critiques).
6. Analyses descriptives, corrélations, visualisations.
7. Préparation pour modèle prédictif (features & target).

📊 Variables retenues

• Name
• Applicants_total
• Admissions_total
• Enrolled_total
• Total_price_for_in_state_students_living_on_campus_2013-14
• Total_price_for_out_of_state_students_living_on_campus_2013-14
• Control_of_institution (Public / Private not-for-profit)
• Total_enrollment

🔑 Résultats clés

• 1326 universités analysées.
• Moyenne candidatures par université : ~6562. Distribution fortement skew.
• Forte corrélation positive entre Applicants_total ↔ Admissions_total ↔ Enrolled_total.
• Les universités publiques reçoivent en moyenne plus de candidatures que les privées.
• Le volume de candidatures n’implique pas systématiquement un taux d’inscription élevé.
• Calcul d’un Enrollment_rate = Enrolled_total / Admissions_total * 100 pour évaluer conversion admissions→inscriptions.

📈 isualisations produites

• Top20 universités par Applicants_total (barplot horizontal).
• Heatmap de corrélation entre candidatures, admissions, inscrits.
• Histogrammes des distributions Applicants_total, Admissions_total, Enrolled_total.
• Scatterplots : Applicants_total vs Admissions_total (par Control_of_institution), Admissions_total vs Enrolled_total.
• Histogramme comparatif public vs privé (stacked).

⚙️ Exécution et reproduction

1. Créer un environnement Python puis installer dépendances :

   python -m venv venv
   source venv/bin/activate   # macOS / Linux
   venv\Scripts\activate      # Windows
   pip install -r requirements.txt