Températures et années

On a relevé les valeurs moyennes annuelles des températures à Paris pour la période allant de 2013 à 2019. Les résultats ont été récupérés sous la forme de deux listes : l’une pour les températures, l’autre pour les années :

Exemple

🐍 Script Python

t_moy = [14.9, 13.3, 13.1, 12.5, 13.0, 13.6, 13.7]
annees = [2013, 2014, 2015, 2016, 2017, 2018, 2019]

Écrire la fonction mini qui prend en paramètres un tableau releve des relevés et un tableau date des dates et qui renvoie le tuple formé avec la plus petite valeur relevée au cours de la période et l’année correspondante. On suppose que la température minimale est atteinte une seule fois.

Exemple

🐍 Script Python

>>> mini(t_moy, annees)
(12.5, 2016)

Attention

Il est interdit d'utiliser min

Compléter le code ci-dessous

###(Dés-)Active le code après la ligne # Tests (insensible à la casse)
(Ctrl+I)

Entrer ou sortir du mode "deux colonnes"
(Ctrl+Clic pour inverser les colonnes)

Entrer ou sortir du mode "plein écran"

Tronquer ou non le feedback dans les terminaux (sortie standard & stacktrace / relancer le code pour appliquer)

Si activé, le texte copié dans le terminal est joint sur une seule ligne avant d'être copié dans le presse-papier

Exécuter le code
(Ctrl+S)Valider
(Ctrl+Enter)TéléchargerTéléverserRéinitialiser l'éditeurSauvegarder dans le navigateur

Évaluations restantes : 5/5

.128013Cy1-]/wi_qP+r 7fI;gR2h)(EpnD0ldT,4Akéebmc:35a=o[.8t6sSèuxv050F0M0Z0T0i0E0#0o0P0E0T0#0#0U010Z0i0A010406050#0(0O0O0T0n0c040$0V0E0(0~0V0B0o020T0O0A0s0o0u0M180n0k0(0M0#050g1517191b130A04051G1z1J0g1G130F0i0*0?0^0`0|0w0i0t0w0E1X0w0Z11050.0N0E0M1S0_0{011W1Y1!1Y0Z1*1,1(0Z0n1H0Z0w0?1e0#0A0T0B0|0v011.1U010q0:0M0B1m0M1(24262b1:2e1,2h0O2j040a0o0l0n0V0A0V0#0i1h1j0,220n0n0M0P2E1z2l0B1H0g202Q1}1 1~1)0F2n0|1!0B2g2B1(1P1R0@1/2!0i2$0B0V2*1(0A2J1H2O2Q2{14251j2,2c2;0n180E110d2N2 122~2m311:3335110v39263b2O2Z013g0T36040R3k2P133n3e0|3q3s0I3v3m2 3o3B110S3E3x3G3z3p0V343r110!3L3c301T3f3Q3h040p3V3y3Y3A3!3S040Y3E1K2_1z2*2T0F1 2Y3O0P2=2t0+1Q1H2^0M2`3a3:3}0,453d3*010K110,0q3E0o3W3H0q110O2/0i3:3)2-0110040y4r3N4c0B112J1,0*0M4y4b4t4v0H4i4k3O4B040F0T0Z4G1A464s2c4v0x0Q3L0o4%4j4X3f114T1n0j4o0B4q4V3l4)4z4t0V110U4M4*3A4C0M4E4U2}4 4u110W4H3X4t4o110D5a3o4v0f4$4(4N4A4f4S0M4/4p4~4_2c4{044}4?2P4^4I325o4T5g3O4v595z4a5b2c5d045f5K5m4J115j5K064(5B5M1:4e040q3Q5t5C4+044=2{5Z3o0V0h112/5*5!3A0N4C260t544W5u1:4v4x5R560B5|042q5G4c646c4t4P4D0M4F6f4Y110x4!5k5Y4%5S2c5$0i4h5K5:4O51536l63586D505-6G57045V5/6t1:5w020E0Z0s5_3H4,1s0A5r4;6J4v4#5W6r6*6z5n044-6Z4:5.3a6,4`4|6V6A046i6k66620|5I6J4P6=3l6O715U6q6+6s675E5q6;6`4c5w5y6N7d4Q5p6$6F6 5+6H752P776K6M3a5X5l565$2J0Z0(0n0B7h6g6X4.7g7r5`6K4L6y7w4P4R4T6!7u3b0g48443;7$0g3@1z0Z3_7+2W2R0T1+7(3@1F5L3o2J0O0j0q0T0K5q0w0R111r1t1v1x0o6(2}1M3b2*3o0T0F0O1i2D0i1i0o4R0B5 0n111F8f8h8j2E0e0~0Z1{040J1_2g2M8c7^0r0E0o7~1g0o7;0#1e168F0o0L0*2D0M0n8n1-3}1n198Y8!0(0)8L0E0V1_260Z0=8F2J0o0M8+0X1K8d1Q8u8i4;2E8_0)1m0A8B8t3O8g918k1i8y2D8B0z0)6Y1,8}1O8 3O1=1Z1#1%7_3O2p2g2i112v0b1i8Q1,2w0c201i3:435L2|467#9u4c0t4v020t6T9T9V9U1p6J0O4m5P0X387S565w0m7J5N9$0D0X3j9*70016Q9Y9.1:9#5e0X3u5W7w0t5w0G0n1w3(9^9R119W0sadad4j7O3o9~9%9)7l9^9,9|0|ak9;9?2{3M7s01a49 0R0DaCaDaEaF3Da27!3~2Q9K3?41137)aO1I040C260=0P0-948Y0P0iaX0o1,0=6/0L0n4S7G880L0.0B0Z8n1i0B0L880T0(8n0i0)0i0%2s8!8!0t0n0L0o2^0%0#0H0o0:8O7G0/a@150q2ea@2G3}0B0#8z1w8Z0(1j1`0Ma}8O4F0Pa(88a+a-7F2J0=0O0(6S0 1!a{0=258Z0d0Dbe2A7G0o1}0T0*0/0E1,8Zb#2K8!8?a?0i8Y0#8|8HaN0*7Z0,0.0:0#04.