Accueil›Blog›Test Python prêt à l'emploi

Tests prêts à l'emploi

Test Python prêt à l'emploi : nettoyer un CSV cassé (45 min, + grille)

En data, savoir « coder en Python » ne veut rien dire : ce qui compte, c'est nettoyer et fiabiliser de la donnée réelle. Ce test le mesure directement. On fournit un CSV volontairement cassé, et on regarde comment le candidat le diagnostique et le corrige — pas seulement s'il « fait tourner » un script.

Data Builder·Juillet 2025·11 min de lecture·Test Python · data · 45 min · grille de correction

Sommaire

Le brief à donner au candidat
La démarche attendue
Le corrigé (pandas)
La grille de correction
Grille par niveau

Le meilleur signal n'est pas la vitesse, mais l'ordre des gestes : un bon profil regarde les données avant d'agir. Celui qui lance dropna() ou fillna() à l'aveugle se disqualifie tout seul.

1Le brief à donner au candidat

La consigne

« Voici un fichier clients.csv sale. Nettoie-le pour qu'il soit exploitable, et explique tes choix. »

Décrivez au candidat les défauts volontairement introduits dans le fichier (sans lui donner la solution). Il doit les repérer et les traiter proprement.

Des valeurs manquantes dans plusieurs colonnes.
Des doublons (mêmes clients répétés).
Des dates dans des formats incohérents (JJ/MM/AAAA et AAAA-MM-JJ mélangés).
Une colonne « montant » stockée en texte avec des symboles (« 1 200 € »).
Des espaces superflus et une casse incohérente dans les noms.

2La démarche attendue

La consigne

Avant de corriger, un bon candidat inspecte.

L'ordre des opérations révèle le niveau. On attend d'abord un diagnostic (regarder les données, compter les problèmes), puis un nettoyage justifié, colonne par colonne.

Inspecter : head(), info(), isna().sum(), duplicated().sum().
Décider au cas par cas : supprimer, imputer ou signaler — pas à l'aveugle.
Convertir les types (dates, montant) une fois les valeurs nettoyées.
Documenter chaque choix (pourquoi cette décision sur les NA).

3Le corrigé (pandas)

La consigne

Une solution propre et commentée — accepter les variantes équivalentes.

Voici une correction de référence. L'objectif n'est pas une syntaxe identique, mais la présence des bons réflexes : diagnostic, décisions justifiées, conversions de types.

import pandas as pd

df = pd.read_csv("clients.csv")

# 1) Diagnostic avant toute action
print(df.info())
print(df.isna().sum())
print(df.duplicated().sum())

# 2) Doublons : on garde la premiere occurrence
df = df.drop_duplicates()

# 3) Noms : espaces + casse coherente
df["nom"] = df["nom"].str.strip().str.title()

# 4) Montant : texte -> nombre (retirer symboles et espaces)
df["montant"] = (df["montant"].astype(str)
                 .str.replace("€", "", regex=False)
                 .str.replace(" ", "", regex=False)
                 .str.replace(",", ".", regex=False)
                 .astype(float))

# 5) Dates : parser en gerant les formats mixtes
df["date_inscription"] = pd.to_datetime(
    df["date_inscription"], dayfirst=True, errors="coerce")

# 6) Valeurs manquantes : decision explicite, pas de fillna aveugle
#    (ex : on supprime les lignes sans identifiant, on signale le reste)
df = df.dropna(subset=["id"])

Chaque étape est justifiée, pas mécanique.
Les types finaux sont corrects (datetime, float).
Le résultat est reproductible et documenté.

Signal d'alerte : le red flag numéro un : un candidat qui lance df.dropna() ou df.fillna(0) sur tout le DataFrame sans avoir regardé les données. Le bon réflexe est de décider colonne par colonne.

4La grille de correction

La consigne

Notez la démarche autant que le résultat final.

Répartissez les points sur ce que le test veut vraiment mesurer : le diagnostic, la justesse des décisions et la fiabilité du résultat.

Diagnostic initial (a regardé les données avant d'agir) — essentiel.
Traitement justifié des NA, doublons, dates, montant.
Types finaux corrects et résultat reproductible.
Capacité à expliquer chaque choix à un non-technique.

5Grille par niveau

Niveau	Maîtrise attendue	Signal GO	NO-GO
Junior	Nettoie les cas évidents	Repère NA et doublons	Lance dropna/fillna à l'aveugle
Confirmé	Traite dates et montant	Décide au cas par cas, convertit les types	Oublie de convertir les types
Senior	Diagnostique avant d'agir	Justifie chaque décision, gère les cas limites	Nettoie sans expliquer pourquoi
Lead	Rend le tout reproductible	Documente et pense à la réutilisation	Résultat juste mais non reproductible

Home›Blog›Ready-to-use Python test

Ready-to-use tests

Ready-to-use Python test: clean a broken CSV (45 min, + grid)

In data, ‘coding in Python’ means nothing: what matters is cleaning and hardening real data. This test measures that directly. You provide a deliberately broken CSV and watch how the candidate diagnoses and fixes it — not just whether their script ‘runs’.

Data Builder·July 2025·11 min read·Python test · data · 45 min · scoring grid

Contents

The brief to give the candidate
The expected approach
The answer (pandas)
The scoring grid
Level grid

The best signal isn't speed, but the order of moves: a good profile looks at the data before acting. One who runs dropna() or fillna() blindly disqualifies themselves.

1The brief to give the candidate

The task

‘Here's a messy clients.csv. Clean it so it's usable, and explain your choices.’

Describe to the candidate the flaws deliberately introduced in the file (without giving the solution). They must spot and handle them cleanly.

Missing values in several columns.
Duplicates (same customers repeated).
Dates in inconsistent formats (DD/MM/YYYY and YYYY-MM-DD mixed).
An ‘amount’ column stored as text with symbols (‘1,200 €’).
Extra spaces and inconsistent case in names.

2The expected approach

The task

Before fixing, a good candidate inspects.

The order of operations reveals the level. First a diagnosis (look at the data, count the problems), then a justified cleaning, column by column.

Inspect: head(), info(), isna().sum(), duplicated().sum().
Decide case by case: drop, impute or flag — not blindly.
Convert types (dates, amount) once values are cleaned.
Document each choice (why this decision on NAs).

3The answer (pandas)

The task

A clean, commented solution — accept equivalent variants.

Here's a reference solution. The goal isn't identical syntax, but the presence of the right reflexes: diagnosis, justified decisions, type conversions.

import pandas as pd

df = pd.read_csv("clients.csv")

# 1) Diagnostic avant toute action
print(df.info())
print(df.isna().sum())
print(df.duplicated().sum())

# 2) Doublons : on garde la premiere occurrence
df = df.drop_duplicates()

# 3) Noms : espaces + casse coherente
df["nom"] = df["nom"].str.strip().str.title()

# 4) Montant : texte -> nombre (retirer symboles et espaces)
df["montant"] = (df["montant"].astype(str)
                 .str.replace("€", "", regex=False)
                 .str.replace(" ", "", regex=False)
                 .str.replace(",", ".", regex=False)
                 .astype(float))

# 5) Dates : parser en gerant les formats mixtes
df["date_inscription"] = pd.to_datetime(
    df["date_inscription"], dayfirst=True, errors="coerce")

# 6) Valeurs manquantes : decision explicite, pas de fillna aveugle
#    (ex : on supprime les lignes sans identifiant, on signale le reste)
df = df.dropna(subset=["id"])

Each step is justified, not mechanical.
The final types are correct (datetime, float).
The result is reproducible and documented.

Warning signal : the number-one red flag: a candidate who runs df.dropna() or df.fillna(0) on the whole DataFrame without looking at the data. The right reflex is to decide column by column.

4The scoring grid

The task

Score the approach as much as the final result.

Spread the points over what the test really measures: diagnosis, soundness of decisions and reliability of the result.

Initial diagnosis (looked at the data before acting) — essential.
Justified handling of NAs, duplicates, dates, amount.
Correct final types and reproducible result.
Ability to explain each choice to a non-technical person.

5Level grid

Level	Expected proficiency	Signal GO	NO-GO
Junior	Cleans the obvious cases	Spots NAs and duplicates	Runs dropna/fillna blindly
Mid-level	Handles dates and amount	Decides case by case, converts types	Forgets to convert types
Senior	Diagnoses before acting	Justifies each decision, handles edge cases	Cleans without explaining why
Lead	Makes it all reproducible	Documents and thinks reuse	Correct result but not reproducible

Test Python prêt à l'emploi : nettoyer un CSV cassé (45 min, + grille)

1Le brief à donner au candidat

2La démarche attendue

3Le corrigé (pandas)

4La grille de correction

5Grille par niveau

Ready-to-use Python test: clean a broken CSV (45 min, + grid)

1The brief to give the candidate

2The expected approach

3The answer (pandas)

4The scoring grid

5Level grid

Vous recrutez un profil data ?