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

.128013A_4:2-.Sw3/]+7bpPiqIo1tl( ;=vTm6u8RsèCfrge[hEcDé05a,nkydx)050(0Q0x0Z0s0y0K0A0U0y0Z0K0K0C010x0s0q010406050K0H0F0F0Z0O0%040i0v0y0H0~0v0#0A020Z0F0q0B0A0J0Q180O0t0H0Q0K050l1517191b130q04051G1z1J0l1G130(0s0D0?0^0`0|0^0#0P0H0Z0P0Q0g0q0%0x0S1i0A0S0s0P0S0y1/0S0x11050.0p0y0Q1S0_0{011.1:1=1:0x1{1}1_0x0O1H1*0?1e0K0q0Z0#0|0f011 1U010N0:0Q0#1m0Q1_2h2j2o212r1}2u0F2w040a0A0r0O0v0q0v0K0s1h1j0,2f0O0O0Q0U2R1z2y0#1H0l1*2%2b2d2c1`0(2A1V0s0#2t2O1_1P1R0@202;2?0#0v2`1_0q2W1H2#2%37142i1j2|2p300O180y1_0Z1-2W0N0|030c0c0U310Q1=2 0v0g0f0g0w110w1z0Z383b123a2z3d213f3h3j3l0Q3n013p3r3t3v2@3y3y110f3E3G2j3I2#2:013N0Z3i1H3k0S3m3o3q3s0,3X303Z0k110k3%2!3H133+3L0|3.3:053=3@3T3_3W2=3Y3z0d110d421A443J3c1T3M0v3g3/3P3?3R3^3V3{4h3}3z0Y110Y4n37453b3,494x4d3U3`3u4D3x3z0G110G4J4p464s484u3O3;3Q3S4R4g3w3Z0o110o4!3)4L3K4%3-4)4w4+4y4-4f4C4:3z0I110I4^2$1K351z2`2*0(2d2/47014S2_1Q1H340Q363H433)054S5s2z0s0(0|3q2#3Z3B4+5A5C4B4T553A2n2E0Q5J4S3|4V5N2%3F4q3,0$110,0N5u5b4$2}010j110A5(5y4r5+0#0N110F2=0s5:5Y5k10040z5}5*3e112W1}0D0Q634M5 110!5:5/643M5#0Z0x6a4o5v6i0|600*0e5:136o5)4M5I015D3b3Z2m5H5B6B5K5T6E5O2v5R4/4i3!5W040A6U6h6c4|0#116m1n0c5`0#5|6x6T5~4|0v110C6g6-5?663u0Q696b4{5+600R6|5=2p5`110X713,600m6v776A6C2j3~3P7d6J4U7g0A5P6O546Q3 6S6V6W6}65040(6l0Q6%5{6=6q016/046;6+7u726j7x7z776d04706+6?730s757P4|797b7T3+7i5E4j7h6H535L6Q4k7m6N6I5S7k7*7s6V7U215!040N4u7D6X6@046*377K3,0v5-850#827v3M0p662j1#7Y6~11627$833e8h042D8l2p608o397E6Z04676`6n8z8q216s6t7#8G5z7,0c7)0g4G6G7o7.4E8R6M2F8U6K4F1_0l3F7t7t7|0|7~0s5%7J8,3-6^688F5t7E6 8v7M868`8H6r117a8;7E7G020y0x0B8e7L486!1s0q7B6)8}92046u6+6w8M1j7(6D4W7+8!7^0g4X7;8Z7?6P8W4X7`8*8*8=8B6#9h6(8 3)885k7G7I879J8@8E9k018|8p8f9e859Y7!9o7c8O8Q4=8T9C7p8W4=9A5Q9;8V5U9/3%9H9H9V7N6m9i9O2$9Q6.6:9c4N6k6m9)117S9qab9(9#9d9Z938L908N5J8Q579:7-8#0g579^9w5Mat9~7{7E7~2W0x0H0O8d95918?049La4ae046faM9$aO7ya39Nao5v0l5x5c5r5e5o1z0x5ha-2-2(0Z1|a*0l5f1F5;3,2W0F0c0N0Z0$7A0S7r1r1t1v1x0A9n391M3I2`3,0Z0(0F1i2Q0s1,7y1X0Q0O111Fbhbjbl2R0g0~0x29040b272t2Zbea{0u0y0Ab11g0Aa?0K1e16bG0A0W0D2Qbr0A2T3s1n19bZ0,0H0)bM0y0v272j0x0=bG2W0A0Qb+0h1Kbf1Qbvbk6)2Rb_0)1m0qbCbu5kbic1bm1ibz2QbC0T0)9g1}b}1Ob 5k1W1Y1!1$1(3s1j231;1?1^a|5k2C2t2v110r1)1+1j0M1ibR1}0A0i1x2P1i5}5q5;3(5ba(7%9-6D0k5V4b0A7i7@4:c%3Baz9`6Kc.2n514Ac,3Yc?6S8=0P60020P9ad1d3d21p9Y0F5^040X0h3DaVal7G0naa5kd9750h3$df8911d49bdpdkdadc419+akc*c#7fc%6Fc)c+9D3xdE8Y9_av7kdK4,c_dI0gdKc}7E0P7G0E0O1wa#6yaq6I5Ec%7rdG8Oc`3}d+dLaAc{dTc@4QdNc-d^dVaNc drd6dsds5/dAdvdmde9U9611didu4|dldbdnd$a|9sdD0g4kau7jd|7:7nc;dOend_4z4eeqd@eo42dW7Gdx0XeHeIeJeK4mdzbda(1M5da_5o6wa`1I040V2j0=0U0-c4br0U0se#0A1}0=9L0W0O6laJba0W0.0#0xb!1i0#0Wba0Z0Hb!0s0)0s0L2Fb!1~0,0P0O0W0A340L0K0!c*bLf1e;2Q0A150N2re{b#cMbA1w0O0A0H1j280Qf1bP690Ue,bae/e;aI2W0=0F0H990 1=e 0=2ify0w0Xfj2NaJ0A2b0Z0D0/0y1}fyf)2Xf9b?e`0sbr0Kb|bIa+0D3Ia_0-f+0K04.