Playstore Insights

Analyse exploratoire, machine learning et tableau de bord interactif du Google Play Store.

10 841 applications et 64 295 avis, nettoyés de façon reproductible, explorés, modélisés puis publiés sur GitHub Pages avec des modèles exécutés directement dans le navigateur.

Tableau de bord en ligne · Prédire une note · Analyser un avis · Signaler un bug

Sommaire

• Fonctionnalités
• Résultats
• Aperçu
• Architecture
• Démarrage rapide
• Commandes
• Déploiement
• Feuille de route
• Contribuer
• Équipe
• Licence

Fonctionnalités

Module	Description
Nettoyage reproductible	Parsing typé des tailles (k, M, G), installations, prix, dates et versions Android. Ligne corrompue écartée, doublons supprimés, rapport de qualité généré à chaque build.
Tableau de bord statique	Site GitHub Pages sans serveur : KPI, insights calculés, 20+ graphiques interactifs, thème clair et sombre, responsive.
Exploration	Filtres croisés (recherche, catégorie, gratuit / payant, note), tableau triable et paginé de 9 659 apps, nuage de points, corrélations de Spearman.
Prédiction de note	Gradient boosting de 400 arbres exporté en JSON et évalué en JavaScript, parité avec scikit-learn vérifiée à 1e-9.
Analyse de sentiment	TF-IDF (unigrammes et bigrammes) et régression logistique, analyseur d'avis en direct avec termes décisifs. Aucun texte ne quitte le navigateur.
Application Streamlit	Version multipage pour l'analyse interactive, avec un outil de profilage de n'importe quel CSV.
Qualité	Tests unitaires, tests de parité Python / JavaScript, tests de rendu Streamlit, 99 % de couverture, lint Ruff, CI sur Python 3.10 à 3.13.

Résultats

Prédiction de la note

Validation croisée à 5 plis sur 8 196 applications notées, 45 variables.

Modèle	MAE	RMSE	R²
Gradient Boosting (retenu)	0.333	0.488	0.170
Random Forest	0.336	0.489	0.166
Ridge	0.342	0.495	0.147
Baseline (moyenne)	0.381	0.536	0.000
KNN v1 (modèle d'origine)	0.395	0.569	-0.128

Sur le jeu de test, 81 % des prédictions tombent à ±0.5 étoile de la note réelle. Le R² reste modeste : la note dépend surtout de la qualité perçue, absente des métadonnées. Le modèle capte des tendances (engagement, fraîcheur, catégorie), pas un verdict.

Analyse de sentiment

Métrique	Valeur
Accuracy	0.902
F1 macro	0.872
Avis d'entraînement	23 753
Vocabulaire	8 000 termes

Ce que révèlent les données

• Les applications à plus de 100 M d'installations sont les mieux notées (4.37 en moyenne).
• Les apps payantes sont mieux notées (4.26 contre 4.17) mais visent des audiences 100 fois plus petites.
• Le ratio avis / installations est la variable la plus prédictive de la note.
• La polarité moyenne des avis est corrélée à la note (Spearman 0.29).

Aperçu

Prédiction en direct	Analyse de sentiment

Architecture

flowchart LR
    raw[(CSV bruts)] --> clean[data.cleaning]
    clean --> analytics[analytics]
    clean --> features[features]
    features --> rating[models.rating]
    clean --> sentiment[models.sentiment]
    rating --> export[models.export]
    sentiment --> export
    analytics --> artifacts[(artifacts/*.json)]
    export --> artifacts
    artifacts --> site[site.builder]
    web[web/ HTML CSS JS] --> site
    site --> pages{{GitHub Pages}}
    clean --> app[Streamlit app]

Loading

.
├── app/                      Application Streamlit multipage
│   ├── components.py         Cache, thème Plotly, helpers UI
│   └── views/                Vue d'ensemble, exploration, sentiment, prédiction, profilage
├── data/raw/                 Jeux de données d'origine (Kaggle, août 2018)
├── src/playstore_insights/
│   ├── data/                 Chargement et nettoyage typé
│   ├── models/               Notation, sentiment, export JSON portable
│   ├── site/                 Génération du site statique et des badges
│   ├── analytics.py          Agrégations du tableau de bord
│   ├── features.py           Spécification des variables partagée Python / JS
│   ├── pipeline.py           Orchestration et persistance des artefacts
│   └── cli.py                Point d'entrée `playstore-insights`
├── web/                      Sources du site (HTML, CSS, modules ES)
│   └── assets/js/lib/        Runtime d'inférence, graphiques, composants
├── tests/                    pytest + parité Node.js
└── .github/workflows/        CI et déploiement Pages

Le principe clé : une seule spécification de variables (features.py) est exportée avec le modèle. Le runtime JavaScript (web/assets/js/lib/features.js, models.js) la rejoue à l'identique, et tests/test_js_parity.py garantit que Python et le navigateur produisent les mêmes prédictions.

Démarrage rapide

Prérequis : Python 3.10+, Node.js 18+ (uniquement pour les tests de parité).

git clone https://github.com/Aziguy/DataScienceEDA.git

cd DataScienceEDA

python -m venv .venv && source .venv/bin/activate

make install

Générer le site et le servir sur http://localhost:8000 :

make serve

Lancer l'application Streamlit sur http://localhost:8501 :

make app

Ou avec Docker :

make docker

Commandes

Commande	Effet
make install	Installe le package en mode éditable avec les extras dev et app, active pre-commit
make lint	Ruff (lint et format)
make format	Corrige et formate le code
make test	pytest avec couverture
make train	Nettoie, compare les modèles, entraîne et écrit artifacts/
make site	Pipeline complet puis génération de build/site/
make serve	Génère et sert le site localement
make app	Lance l'application Streamlit
make docker	Construit et lance l'image Docker

La CLI est aussi disponible directement : playstore-insights {train,site,all} [--fast] [--coverage 99].

Déploiement

GitHub Pages. Le workflow pages.yml teste, entraîne, génère le site et le déploie à chaque push sur master. Activation unique : Settings > Pages > Build and deployment > Source : GitHub Actions. Les badges de couverture et de performance sont publiés avec le site (/badges/*.json) et lus par shields.io.

Streamlit Community Cloud. Pointer l'application sur app/streamlit_app.py. Le fichier requirements.txt installe le package avec l'extra app.

Docker. L'image entraîne les modèles au build et expose Streamlit sur le port 8501.

Feuille de route

• Prédiction du palier d'installations (classification)
• Explications locales des prédictions (contributions SHAP exportées)
• Analyse de sentiment multilingue
• Mise à jour du jeu de données avec une collecte récente
• Mode hors ligne (PWA) pour le tableau de bord

Les idées et retours sont les bienvenus dans les issues.

Contribuer

Les contributions sont les bienvenues. Consultez le guide de contribution et le code de conduite. En résumé :

1. Forkez le dépôt et créez une branche (feat/ma-fonctionnalite).
2. make install, puis développez avec des tests.
3. Vérifiez make lint test.
4. Ouvrez une pull request en suivant le modèle.

Pour signaler une vulnérabilité, suivez la politique de sécurité.

Équipe

Team data analytics, data scientists en devenir.

Esteban Bara	LinkedIn
Gervais Kituanga	LinkedIn
Thomas Touil	LinkedIn
Abdou Aziz Ziza
Hippolyte Kengni	GitHub

Licence

Distribué sous licence MIT. Le jeu de données Google Play Store Apps est publié sur Kaggle par Lavanya Gupta et reste soumis à ses propres conditions.