# Réponse finale obtenue du bot:
response = « Voici un exemple de code Python qui crée un tableau Excel dans lequel vous pouvez suivre les ventes en fonction du conducteur/conductrice de la ligne de conditionnement. Ce tableau contient des formules pour calculer la somme, la moyenne et appliquer des conditions (SI) pour afficher des informations supplémentaires.
« `python
import pandas as pd
# Données
data = {
‘Conducteur/Conductrice’: [‘Pierre’, ‘Marie’, ‘Jean’, ‘Sophie’, ‘Pierre’, ‘Marie’],
‘Ligne de conditionnement’: [‘A’, ‘B’, ‘C’, ‘D’, ‘A’, ‘B’],
‘Ventes (€)’: [100, 200, 300, 400, 150, 250]
}
# Création du DataFrame
df = pd.DataFrame(data)
# Écriture dans un fichier Excel
df.to_excel(‘suivi_ventes.xlsx’, index=False)
# Lecture et affichage des données
df = pd.read_excel(‘suivi_ventes.xlsx’)
print(df)
« `
Ce code créera un fichier `suivi_ventes.xlsx` contenant les données suivantes :
| Conducteur/Conductrice | Ligne de conditionnement | Ventes (€) |
| — | — | — |
| Pierre | A | 100 |
| Marie | B | 200 |
| Jean | C | 300 |
| Sophie | D | 400 |
| Pierre | A | 150 |
| Marie | B | 250 |
Maintenant, pour appliquer des formules pour calculer la somme et la moyenne des ventes par conducteur/conductrice et ligne de conditionnement, vous pouvez utiliser les fonctions `groupby` de pandas :
« `python
# Calcul de la somme et de la moyenne des ventes
somme_ventes = df.groupby([‘Conducteur/Conductrice’, ‘Ligne de conditionnement’])[‘Ventes (€)’].sum().reset_index()
moyenne_ventes = df.groupby([‘Conducteur/Conductrice’, ‘Ligne de conditionnement’])[‘Ventes (€)’].mean().reset_index()
# Écriture dans un fichier Excel
somme_ventes.to_excel(‘somme_ventes.xlsx’, index=False)
moyenne_ventes.to_excel(‘moyenne_ventes.xlsx’, index=False)
print(somme_ventes)
print(moyenne_ventes)
« `
Ce code créera deux fichiers `somme_ventes.xlsx` et `moyenne_ventes.xlsx` contenant les résultats :
**Somme des ventes**
| Conducteur/Conductrice | Ligne de conditionnement | Ventes (€) |
| — | — | — |
| Pierre | A | 250 |
| Marie | B | 450 |
| Jean | C | 300 |
| Sophie | D | 400 |
**Moyenne des ventes**
| Conducteur/Conductrice | Ligne de conditionnement | Ventes (€) |
| — | — | — |
| Pierre | A | 125.0 |
| Marie | B | 225.0 |
| Jean | C | 300.0 |
| Sophie | D | 400.0 |
Enfin, pour appliquer des conditions avec la formule `SI`, vous pouvez utiliser les fonctions `np.where` de numpy :
« `python
import numpy as np
# Condition : si les ventes sont supérieures à 200€
ventes_sup_200 = np.where(df[‘Ventes (€)’] > 200, ‘Oui’, ‘Non’)
# Écriture dans un fichier Excel
df[‘Ventes sup. 200€’] = ventes_sup_200
print(df)
« `
Ce code ajoutera une nouvelle colonne `Ventes sup. 200€` avec les résultats :
| Conducteur/Conductrice | Ligne de conditionnement | Ventes (€) | Ventes sup. 200€ |
| — | — | — | — |
| Pierre | A | 100 | Non |
| Marie | B | 250 | Oui |
| Jean | C | 300 | Oui |
| Sophie | D | 400 | Oui |
| Pierre | A | 150 | Non |
| Marie | B | 200 | Non |
J’espère que cela vous aidera ! N’hésitez pas à me poser des questions si vous avez besoin de davantage d’aide. »