Début d'étude ici jusqu'au point 2

module2/exo1/toy_document_orgmode_python_fr.org

@@ -12,10 +12,65 @@
 
 * En demandant à la lib maths
 
-Mon ordinateur m'indique que π vaut approximativement:
-#+begin_src python :results output :exports both
-from math import *
+Mon ordinateur m'indique que $\pi$ vaut /approximativement/:
+
+#+begin_src python :results value :session *python* :exports both
+from math import pi
 pi
 #+end_src
 
 #+RESULTS:
+: 3.141592653589793
+
+* En utilisant la méthode des aiguilles de Buffon
+
+Mais calculé avec la *méthode* des _aiguilles de Buffon_, on obtiendrait comme *approximation* :
+
+#+begin_src python  :results value :session *python* :exports both
+import numpy as np
+np.random.seed(seed=42)
+N = 10000
+x = np.random.uniform(size=N, low=0, high=1)
+theta = np.random.uniform(size=N, low=0, high=pi/2)
+2/(sum((x+np.sin(theta))>1)/N)
+#+end_src
+
+#+RESULTS:
+: 3.128911138923655
+
+* Avec un argument "fréquentiel" de surface
+Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si $X∼U(0,1) et Y∼U(0,1) alors P[X2+Y2≤1]=\pi/4$ (voir méthode de Monte Carlo sur Wikipedia). Le code suivant illustre ce fait :
+
+
+#+begin_src python :results output file :var matplot_lib_filename="figure_pi_mc2.png" :exports both :session *python*y
+import matplotlib.pyplot as plt
+
+np.random.seed(seed=42)
+N = 1000
+x = np.random.uniform(size=N, low=0, high=1)
+y = np.random.uniform(size=N, low=0, high=1)
+
+accept = (x*x+y*y) <= 1
+reject = np.logical_not(accept)
+
+fig, ax = plt.subplots(1)
+ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
+ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
+ax.set_aspect('equal')
+
+plt.savefig(matplot_lib_filename)
+print(matplot_lib_filename)
+#+end_src
+
+
+Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en
+comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 :
+
+#+begin_src python :results output :session *python* :exports both
+4*np.mean(accept)
+#+end_src
+
+#+RESULTS:
+: 3.112
+:
+:

module2/exo2/exercice_python_en.org

@@ -60,7 +60,7 @@ print(x)
 #+end_example
 
 Finally, an example for graphical output:
-#+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results
+#+begin_src python :results value :session :var matplot_lib_filename="./cosxsx.png" :exports results
 import matplotlib.pyplot as plt
 
 plt.figure(figsize=(10,5))
@@ -72,7 +72,8 @@ print(matplot_lib_filename)
 #+end_src
 
 #+RESULTS:
-[[file:./cosxsx.png]]
+[[./cosxsx.png]]
+
 
 Note the parameter ~:exports results~, which indicates that the code
 will not appear in the exported document. We recommend that in the

module2/exo2/exercice_python_fr.org

-#+TITLE:  Votre titre
+#+TITLE:  Exo2
 #+AUTHOR: Votre nom
 #+DATE:   La date du jour
 #+LANGUAGE: fr
@@ -11,83 +11,108 @@
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
 
-* Quelques explications
-
-Ceci est un document org-mode avec quelques exemples de code
-python. Une fois ouvert dans emacs, ce document peut aisément être
-exporté au format HTML, PDF, et Office. Pour plus de détails sur
-org-mode vous pouvez consulter https://orgmode.org/guide/.
-
-Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
-compilé en html. Tout le code contenu sera ré-exécuté, les résultats
-récupérés et inclus dans un document final. Si vous ne souhaitez pas
-ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
-le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
-document.
-
-Comme nous vous l'avons montré dans la vidéo, on inclue du code
-python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
-
-#+begin_src python :results output :exports both
-print("Hello world!")
+* Donnée
+#+begin_src python :results value :exports both :session
+data = [14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0]
+data
 #+end_src
 
 #+RESULTS:
-: Hello world!
+| 14.0 | 7.6 | 11.2 | 12.8 | 12.5 | 9.9 | 14.9 | 9.4 | 16.9 | 10.2 | 14.9 | 18.1 | 7.3 | 9.8 | 10.9 | 12.2 | 9.9 | 2.9 | 2.8 | 15.4 | 15.7 | 9.7 | 13.1 | 13.2 | 12.3 | 11.7 | 16.0 | 12.4 | 17.9 | 12.2 | 16.2 | 18.7 | 8.9 | 11.9 | 12.1 | 14.6 | 12.1 | 4.7 | 3.9 | 16.9 | 16.8 | 11.3 | 14.4 | 15.7 | 14.0 | 13.6 | 18.0 | 13.6 | 19.9 | 13.7 | 17.0 | 20.5 | 9.9 | 12.5 | 13.2 | 16.1 | 13.5 | 6.3 | 6.4 | 17.6 | 19.1 | 12.8 | 15.5 | 16.3 | 15.2 | 14.6 | 19.1 | 14.4 | 21.4 | 15.1 | 19.6 | 21.7 | 11.3 | 15.0 | 14.3 | 16.8 | 14.0 | 6.8 | 8.2 | 19.9 | 20.4 | 14.6 | 16.4 | 18.7 | 16.8 | 15.8 | 20.4 | 15.8 | 22.4 | 16.2 | 20.3 | 23.4 | 12.1 | 15.5 | 15.4 | 18.4 | 15.7 | 10.2 | 8.9 | 21.0 |
 
-Voici la même chose, mais avec une session python, donc une
-persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
-~C-c C-c~).
-#+begin_src python :results output :session :exports both
-import numpy
-x=numpy.linspace(-15,15)
-print(x)
+#+begin_src python :results value :session :var matplot_lib_filename="fig1.png" :exports both
+from numpy import mean, min, max, median, std
+import matplotlib
+import matplotlib.pyplot as plt
+d_mean = mean(data)
+d_min = min(data)
+d_max = max(data)
+d_median = median(data)
+d_std = std(data, ddof=1)
+f"Mean : {d_mean}\nMin: {d_min}\nMax: {d_max}\nMediane: {d_median}\nEcart Type: {d_std}"
 #+end_src
 
 #+RESULTS:
-#+begin_example
-[-15.         -14.3877551  -13.7755102  -13.16326531 -12.55102041
- -11.93877551 -11.32653061 -10.71428571 -10.10204082  -9.48979592
-  -8.87755102  -8.26530612  -7.65306122  -7.04081633  -6.42857143
-  -5.81632653  -5.20408163  -4.59183673  -3.97959184  -3.36734694
-  -2.75510204  -2.14285714  -1.53061224  -0.91836735  -0.30612245
-   0.30612245   0.91836735   1.53061224   2.14285714   2.75510204
-   3.36734694   3.97959184   4.59183673   5.20408163   5.81632653
-   6.42857143   7.04081633   7.65306122   8.26530612   8.87755102
-   9.48979592  10.10204082  10.71428571  11.32653061  11.93877551
-  12.55102041  13.16326531  13.7755102   14.3877551   15.        ]
-#+end_example
-
-Et enfin, voici un exemple de sortie graphique:
-#+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results
+: Mean : 14.113000000000001
+: Min: 2.8
+: Max: 23.4
+: Mediane: 14.5
+: Ecart Type: 4.334094455301447
+
+#+BEGIN_SRC python :session :results file
+import matplotlib
 import matplotlib.pyplot as plt
-
-plt.figure(figsize=(10,5))
-plt.plot(x,numpy.cos(x)/x)
-plt.tight_layout()
-
-plt.savefig(matplot_lib_filename)
-print(matplot_lib_filename)
-#+end_src
-
+fig=plt.figure(figsize=(3,2))
+plt.hist(data)
+plt.savefig('test.png')
+'./test.png'
+#+END_SRC
 #+RESULTS:
-[[file:./cosxsx.png]]
-
-Vous remarquerez le paramètre ~:exports results~ qui indique que le code
-ne doit pas apparaître dans la version finale du document. Nous vous
-recommandons dans le cadre de ce MOOC de ne pas changer ce paramètre
-(indiquer ~both~) car l'objectif est que vos analyses de données soient
-parfaitement transparentes pour être reproductibles.
-
-Attention, la figure ainsi générée n'est pas stockée dans le document
-org. C'est un fichier ordinaire, ici nommé ~cosxsx.png~. N'oubliez pas
-de le committer si vous voulez que votre analyse soit lisible et
-compréhensible sur GitLab.
-
-Enfin, n'oubliez pas que nous vous fournissons dans les ressources de
-ce MOOC une configuration avec un certain nombre de raccourcis
-claviers permettant de créer rapidement les blocs de code python (en
-faisant ~<p~, ~<P~ ou ~<PP~ suivi de ~Tab~).
-
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
-informations et les remplacer par votre document computationnel.
+[[file:]]
+[[file:Traceback (most recent call last):
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+  File "/Library/Python/3.7/site-packages/matplotlib/pyplot.py", line 2610, in hist
+    if data is not None else {}), **kwargs)
+  File "/Library/Python/3.7/site-packages/matplotlib/__init__.py", line 1565, in inner
+    return func(ax, *map(sanitize_sequence, args), **kwargs)
+  File "/Library/Python/3.7/site-packages/matplotlib/axes/_axes.py", line 6559, in hist
+    cbook._check_in_list(['left', 'mid', 'right'], align=align)
+  File "/Library/Python/3.7/site-packages/matplotlib/cbook/__init__.py", line 2145, in _check_in_list
+    .format(v, k, ', '.join(map(repr, values))))
+ValueError: 'edge' is not a valid value for align; supported values are 'left', 'mid', 'right'
+]]
+[[file:Traceback (most recent call last):
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+  File "/Library/Python/3.7/site-packages/matplotlib/pyplot.py", line 2610, in hist
+    if data is not None else {}), **kwargs)
+  File "/Library/Python/3.7/site-packages/matplotlib/__init__.py", line 1565, in inner
+    return func(ax, *map(sanitize_sequence, args), **kwargs)
+  File "/Library/Python/3.7/site-packages/matplotlib/axes/_axes.py", line 6559, in hist
+    cbook._check_in_list(['left', 'mid', 'right'], align=align)
+  File "/Library/Python/3.7/site-packages/matplotlib/cbook/__init__.py", line 2145, in _check_in_list
+    .format(v, k, ', '.join(map(repr, values))))
+ValueError: 'edge' is not a valid value for align; supported values are 'left', 'mid', 'right'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 2, in <module>
+ModuleNotFoundError: No module named 'hist'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 4, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 3, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 3, in <module>
+TypeError: ba .r() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 3, in <module>
+TypeError: bar() missing 1 required positional argument: 'height'
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 3, in <module>
+NameError: name 'data' is not defined
+]]
+  File "<stdin>", line 7, in <module>
+  File "<string>", line 1, in <module>
+NameError: name 'plt' is not defined
+]]
+[[file:./test.png]]

module2/exo5/exo5_python_fr.org

@@ -171,7 +171,7 @@ La température prévue le jour du décollage est de 31°F. Essayons
 d'estimer la probabilité de dysfonctionnement des joints toriques à
 cette température à partir du modèle que nous venons de construire:
 
-#+begin_src python :results output file :var matplot_lib_filename="proba_estimate_python.png" :exports both :session *python* 
+#+begin_src python :results output file :var matplot_lib_filename="proba_estimate_python.png" :exports both :session *python*
 import matplotlib.pyplot as plt
 
 data_pred = pd.DataFrame({'Temperature': np.linspace(start=30, stop=90, num=121), 'Intercept': 1})

module3/exo1/analyse-syndrome-grippal.org

@@ -27,11 +27,18 @@ if sys.version_info.major < 3 or sys.version_info.minor < 6:
     print("Veuillez utiliser Python 3.6 (ou plus) !")
 #+END_SRC
 
+#+RESULTS:
+: Python 3.8.2 (default, Mar 11 2020, 00:29:50)
+: [Clang 11.0.0 (clang-1100.0.33.17)] on darwin
+: Type "help", "copyright", "credits" or "license" for more information.
+
 #+BEGIN_SRC emacs-lisp :results output
 (unless (featurep 'ob-python)
   (print "Veuillez activer python dans org-babel (org-babel-do-languages) !"))
 #+END_SRC
 
+#+RESULTS:
+
 ** R 3.4
 Nous n'utilisons que des fonctionnalités de base du langage R, une version antérieure devrait suffire.
 
@@ -40,6 +47,14 @@ Nous n'utilisons que des fonctionnalités de base du langage R, une version ant
   (print "Veuillez activer R dans org-babel (org-babel-do-languages) !"))
 #+END_SRC
 
+#+RESULTS:
+
+#+begin_src R :results output graphics :file (org-babel-temp-file "figure" ".png") :exports both :width 600 :height 400 :session *R*
+test
+#+end_src
+
+#+RESULTS:
+
 * Préparation des données
 
 Les données de l'incidence du syndrome grippal sont disponibles du site Web du [[http://www.sentiweb.fr/][Réseau Sentinelles]]. Nous les récupérons sous forme d'un fichier en format CSV dont chaque ligne correspond à une semaine de la période d'observation. Nous téléchargeons toujours le jeu de données complet (rien d'autre n'est proposé), qui commence en 1984 et se termine avec une semaine récente. L'URL est:
@@ -80,6 +95,13 @@ Regardons ce que nous avons obtenu:
 table[:5]
 #+END_SRC
 
+#+RESULTS:
+|   week | indicator |    inc | inc_low | inc_up | inc100 | inc100_low | inc100_up | geo_insee | geo_name |
+| 202011 |         3 | 101704 |   93652 | 109756 |    154 |        142 |       166 | FR        | France   |
+| 202010 |         3 | 104977 |   96650 | 113304 |    159 |        146 |       172 | FR        | France   |
+| 202009 |         3 | 110696 |  102066 | 119326 |    168 |        155 |       181 | FR        | France   |
+| 202008 |         3 | 143753 |  133984 | 153522 |    218 |        203 |       233 | FR        | France   |
+
 ** Recherche de données manquantes
 Il y a malheureusement beaucoup de façon d'indiquer l'absence d'un point de données. Nous testons ici seulement pour la présence de champs vides. Il faudrait aussi rechercher des valeurs non-numériques dans les colonnes à priori numériques. Nous ne le faisons pas ici, mais une vérification ultérieure capterait des telles anomalies.
 
@@ -94,6 +116,9 @@ for row in table:
         valid_table.append(row)
 #+END_SRC
 
+#+RESULTS:
+: ['198919', '3', '0', '', '', '0', '', '', 'FR', 'France']
+
 ** Extraction des colonnes utilisées
 Il y a deux colonnes qui nous intéressent: la première (~"week"~) et la troisième (~"inc"~). Nous vérifions leurs noms dans l'en-tête, que nous effaçons par la suite. Enfin, nous créons un tableau avec les deux colonnes pour le traitement suivant.
 #+BEGIN_SRC python :results silent
@@ -101,7 +126,7 @@ week = [row[0] for row in valid_table]
 assert week[0] == 'week'
 del week[0]
 inc = [row[2] for row in valid_table]
-assert inc[0] == 'inc
+assert inc[0] == 'inc'
 del inc[0]
 data = list(zip(week, inc))
 #+END_SRC
@@ -111,6 +136,21 @@ Regardons les premières et les dernières lignes. Nous insérons ~None~ pour in
 [('week', 'inc'), None] + data[:5] + [None] + data[-5:]
 #+END_SRC
 
+#+RESULTS:
+|   week |    inc |
+|--------+--------|
+| 202011 | 101704 |
+| 202010 | 104977 |
+| 202009 | 110696 |
+| 202008 | 143753 |
+| 202007 | 183610 |
+|--------+--------|
+| 198448 |  78620 |
+| 198447 |  72029 |
+| 198446 |  87330 |
+| 198445 | 135223 |
+| 198444 |  68422 |
+
 ** Vérification
 Il est toujours prudent de vérifier si les données semblent crédibles. Nous savons que les semaines sont données par six chiffres (quatre pour l'année et deux pour la semaine), et que les incidences sont des nombres entiers positifs.
 #+BEGIN_SRC python :results output
@@ -121,6 +161,8 @@ for week, inc in data:
         print("Valeur suspecte dans la colonne 'inc': ", (week, inc))
 #+END_SRC
 
+#+RESULTS:
+
 Pas de problème !
 
 ** Conversions
@@ -140,6 +182,21 @@ str_data = [(str(date), str(inc)) for date, inc in converted_data]
 [('date', 'inc'), None] + str_data[:5] + [None] + str_data[-5:]
 #+END_SRC
 
+#+RESULTS:
+|       date |    inc |
+|------------+--------|
+| 1984-10-29 |  68422 |
+| 1984-11-05 | 135223 |
+| 1984-11-12 |  87330 |
+| 1984-11-19 |  72029 |
+| 1984-11-26 |  78620 |
+|------------+--------|
+| 2020-02-10 | 183610 |
+| 2020-02-17 | 143753 |
+| 2020-02-24 | 110696 |
+| 2020-03-02 | 104977 |
+| 2020-03-09 | 101704 |
+
 ** Vérification des dates
 Nous faisons encore une vérification: nos dates doivent être séparées d'exactement une semaine, sauf autour du point manquant.
 #+BEGIN_SRC python :results output
@@ -149,6 +206,9 @@ for date1, date2 in zip(dates[:-1], dates[1:]):
         print(f"Il y a {date2-date1} entre {date1} et {date2}")
 #+END_SRC
 
+#+RESULTS:
+: Il y a 14 days, 0:00:00 entre 1989-05-01 et 1989-05-15
+
 ** Passage Python -> R
 Nous passons au langage R pour inspecter nos données, parce que l'analyse et la préparation de graphiques sont plus concises en R, sans nécessiter aucune bibliothèque supplémentaire.
 
@@ -164,17 +224,30 @@ data$date <- as.Date(data$date)
 summary(data)
 #+END_SRC
 
+#+RESULTS:
+:
+:       date                 inc
+:  Min.   :1984-10-29   Min.   :      0
+:  1st Qu.:1993-09-06   1st Qu.:   5018
+:  Median :2002-07-08   Median :  16002
+:  Mean   :2002-07-07   Mean   :  62071
+:  3rd Qu.:2011-05-09   3rd Qu.:  50759
+:  Max.   :2020-03-09   Max.   :1001824
+
 ** Inspection
 Regardons enfin à quoi ressemblent nos données !
-#+BEGIN_SRC R :results output graphics :file inc-plot.png
+
+<
 plot(data, type="l", xlab="Date", ylab="Incidence hebdomadaire")
-#+END_SRC
+
 
 Un zoom sur les dernières années montre mieux la situation des pics en hiver. Le creux des incidences se trouve en été.
 #+BEGIN_SRC R :results output graphics :file inc-plot-zoom.png
 plot(tail(data, 200), type="l", xlab="Date", ylab="Incidence hebdomadaire")
 #+END_SRC
 
+#+RESULTS:
+
 * Étude de l'incidence annuelle
 
 ** Calcul de l'incidence annuelle
@@ -201,6 +274,9 @@ inc_annuelle = data.frame(annee = annees,
 head(inc_annuelle)
 #+END_SRC
 
+#+RESULTS:
+: org_babel_R_eoe
+
 ** Inspection
 Voici les incidences annuelles en graphique.
 #+BEGIN_SRC R :results output graphics :file annual-inc-plot.png
@@ -213,7 +289,19 @@ Une liste triée par ordre décroissant d'incidence annuelle permet de plus faci
 head(inc_annuelle[order(-inc_annuelle$incidence),])
 #+END_SRC
 
+#+RESULTS:
+: Error in head(inc_annuelle[order(-inc_annuelle$incidence), ]) :
+:   objet 'inc_annuelle' introuvable
+
 Enfin, un histogramme montre bien que les épidémies fortes, qui touchent environ 10% de la population française, sont assez rares: il y en eu trois au cours des 35 dernières années.
 #+BEGIN_SRC R :results output graphics :file annual-inc-hist.png
 hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="")
 #+END_SRC
+
+
+#+NAME: test
+#+BEGIN_SRC R :file "test1.png" :results output graphics silent
+x <- seq(-pi, pi, 0.1)
+plot(x, sin(x))
+#+END_SRC
+[[file:test.svg]]