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

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

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"
(Alt+: ; Ctrl pour inverser les colonnes)
Entrer ou sortir du mode "plein Ă©cran"
(Esc)
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
Évaluations restantes : 5/5

.128013Eg[ r;)/(lDo4,6Ib=ax+5utP7e-h0TmnCk:Séq.èy1cd328_wvpfRA]is050T0B0y0t0)0k0*0e0S0k0t0*0*0s010y0)0!010406050*0x0G0G0t0f0Q040L0m0k0x0~0m0H0e020t0G0!0g0e0$0B180f0N0x0B0*050i1517191b130!04051G1z1J0i1G130T0)0Z0?0^0`0|0^0H0c0x0t0c0B0C0!0Q0y0D1i0e0D0)0c0D0k1/0D0y11050.0r0k0B1S0_0{011.1:1=1:0y1{1}1_0y0f1H1*0?1e0*0!0t0H0|0V011 1U010#0:0B0H1m0B1_2h2j2o212r1}2u0G2w040a0e0z0f0m0!0m0*0)1h1j0,2f0f0f0B0S2R1z2y0H1H0i1*2%2b2d2c1`0T2A1V0)0H2t2O1_1P1R0@202;2?0H0m2`1_0!2W1H2#2%37142i1j2|2p300f180k1_0t1-2W0#0|030X0X0S310B1=2 0m0C0V0C0R110R1z0t383b123a2z3d213f3h3j3l0B3n013p3r3t3v2@3y3y110V3E3G2j3I2#2:013N0t3i1H3k0D3m3o3q3s0,3X303Z0U110U3%2!3H133+3L0|3.3:053=3@3T3_3W2=3Y3z0n110n421A443J3c1T3M0m3g3/3P3?3R3^3V3{4h3}3z0w110w4n37453b3,494x4d3U3`3u4D3x3z0p110p4J4p464s484u3O3;3Q3S4R4g3w3Z0A110A4!3)4L3K4%3-4)4w4+4y4-4f4C4:3z0W110W4^2$1K351z2`2*0T2d2/47014S2_1Q1H340B363H433)054S5s2z0)0T0|3q2#3Z3B4+5A5C4B4T553A2n2E0B5J4S3|4V5N2%3F4q3,0J110,0#5u2$0e5Y5k0H0#110G2=0)5(5y4r2}0110040j5?5+4|0H112W1}0Z0B5~4$5_5{0o5?5*683e5#0t0y664o5v6e215{0h0K5?136k5b3+5I015D3b3Z2m5H5B6x5K5T6A5O2v5R4/4i3!5W040e6Q6d4M5,116i1n0X5:0H5=6t6P5 5_0m110s6c6(6f04630B65676T4|5{0d6@4{5_5:110E6|5^2p5{0(6r720e6w6y2j3~3P7a6F4U7d0e5P6K546M3 6O6R6S6}6/0T6h0B6Y5;6-6m0|6*046,6$7r733M6g6i785k6`7L4|6 04716$6.6n11766$6s396v6D7b0H3Z4k6C7l5L6M4k7j6J6E5S7h4j1_0i3F7q7U0|5!040#4u7z6^5_61046#377G3,0m0Y112=837s3M0r622j1#7O69115}7T7A3-8j042D8n748p8x7I6:3u6=6j7!848y040h6p778r4M7f5E4F7e7$7g5M4G7:2F7,6G8R7p7q6R7}017 0)5%7F8)866;6?8N8h0|7N8?7H488e8A8^7W8g8{017C020k0y0g914N6V1s0!7x6!8~5`116q7Y788P6z4W8S8Z7@0C4X8X5Q7=6L4E9s7_7{8%9C8/9b6X6Z883H8a5k7C7E899E8C648F5t8s8_8G8@3-8}8`3,758M9W1j9m7c3z4=7+9w7m9y4=9u9q5M9-3%9C9D8s867u6i9e9I3)9K4|9M996U049 9S6l8H7V046{9!a8a26uad8 047X4K9l8T8Q0C579.537-9y579?9/ax5Uau9`8(8s7 2W0y0x0f0Ha7609F9d9H9g6aaO857J7waS9k7T0i5x5c5r5e5o1z0y5ha,2-2(0t1|a)0i5f1F5@3,2W0G0X0#0t0J7w0D7o1r1t1v1x0e9j391M3I2`3,0t0T0G1i2Q0)1,7u1X0B0f111Fbgbibk2R0C0~0y29040%272t2Zbda`0q0k0eb01g0ea=0*1e16bF0e0M0Z2Qbq0e2T3s1n19bY0,0x0ubL0k0m272j0y0=bF2W0e0Bb*0O1Kbe1Qbubj6!2Rb^0u1m0!bBbt5kbhc0bl1iby2QbB0b0u9c1}b|1Ob~5k1W1Y1!1$1(3s1j231;1?1^a{5k2C2t2v110z1)1+1j0I1ibQ1}0e0L1x2P1i5~5q5@3(5ba%7#5J5E0U5V4b798T7?4:c$3BaAaw6Gc-2n514Ac+3Yc=6O8)0c5{020c97d0d2d11p9g0G5.7R0O3D8.8s7C0vaV2pd8700O3$ddal9311d398dn9Xdjda41a!9(c)c!6zc$6Bc(7fc_3}dD6I8YaBc;3!4,c^9x3xdJc|8s0c7C0F0f1w9%9T8OardC0C7odFc*dRd*d*dK9vc:7hc$3 dP4e8Uc`d:dUdoc~dqd5drdr5*ah7Pd90Edbdh21dfec0|dveadmap9!9*7(c$7*d,9@d}7/7kdMd@0C7/c@d{dHdSex9AcA4|dWdk0U0EeKeLeMeN4mdy5ta$3t2%cUa*0Z3Ia^5oa`0l2j0=0S0-c3bq0S0)e)0e1}0=6W0!0M0f6haLb90M0.0H0ybZ1i0H0Mb90t0xbZ0)0u0)0P2FbZ1~0,0c0f0M0e340P0*0o79bKf6e_2Q0e150#2rf0b!cLbz1w0f0e0x1j280Bf6bO650Se:b9e?e^e`2W0=0G0x960 1=f40=2ifD0R0Efo2NaL0e2b0t0Z0/0k1}fDf.2Xfeb=e 0)bq0*b{bHeWeY0,0.0:0*04.