Commit avant envoi pour validation, ajout des graphiques

module3/exo3/exercice_python_fr.org

@@ -36,10 +36,10 @@ _Votre mission si vous l'acceptez :_
 5. Répétez les étapes précédentes avec le second jeu de données (stackoverflow)
 6. Déposer dans FUN votre résultat
 
-* Liglab2
+* Cas 1 : Liglab2
 ** Récupération du 1^er jeu de donnée
-** Téléchargement
-#+BEGIN_SRC python :session :file step1.txt :results file
+*** Téléchargement
+#+BEGIN_SRC python :session :file step1.txt :results silent export code
 from urllib.request import urlretrieve
 from os import path
 liglab_file = "liglab2.log"
@@ -51,8 +51,8 @@ if not path.exists(liglab_file):
 
 #+RESULTS:
 [[file:step1.txt]]
-** Lecture du fichier
-#+BEGIN_SRC python  :session :results output
+*** Lecture du fichier
+#+BEGIN_SRC python  :session :results silent export: code
 import gzip
 f = gzip.open(liglab_filegz)
 data = f.read().decode('latin-1').strip().splitlines()
@@ -60,8 +60,8 @@ f.close()
 #+END_SRC
 
 #+RESULTS:
-
-#+BEGIN_SRC python :session :results replace
+*** Création d'un tableau sans les données incomplète
+#+BEGIN_SRC python :session :results replace export: code
 table = [row.split(' ') for row in data]
 cleantable = []
 for row in table:
@@ -71,12 +71,12 @@ cleantable[:4]
 #+END_SRC
 
 #+RESULTS:
-| [1421761682.052172] |  665 | bytes | from | lig-publig.imag.fr | (129.88.11.7): | icmp_seq=1 | ttl=60 | time=22.5 | ms |
-| [1421761682.277315] | 1373 | bytes | from | lig-publig.imag.fr | (129.88.11.7): | icmp_seq=1 | ttl=60 | time=21.2 | ms |
-| [1421761682.502054] |  262 | bytes | from | lig-publig.imag.fr | (129.88.11.7): | icmp_seq=1 | ttl=60 | time=21.2 | ms |
-| [1421761682.729257] | 1107 | bytes | from | lig-publig.imag.fr | (129.88.11.7): | icmp_seq=1 | ttl=60 | time=23.3 | ms |
+| [1421771203.082701] | 1257 | bytes | from | stackoverflow.com | (198.252.206.140): | icmp_seq=1 | ttl=50 | time=120 | ms |
+| [1421771203.408254] |  454 | bytes | from | stackoverflow.com | (198.252.206.140): | icmp_seq=1 | ttl=50 | time=120 | ms |
+| [1421771203.739730] |  775 | bytes | from | stackoverflow.com | (198.252.206.140): | icmp_seq=1 | ttl=50 | time=126 | ms |
+| [1421771204.056630] | 1334 | bytes | from | stackoverflow.com | (198.252.206.140): | icmp_seq=1 | ttl=50 | time=112 | ms |
 
-#+BEGIN_SRC python :session :results replace
+#+BEGIN_SRC python :session :results replace export: code
 from datetime import datetime
 date = [datetime.utcfromtimestamp(float(row[0][1:-1])) for row in cleantable]
 S = [int(row[1]) for row in cleantable]
@@ -89,7 +89,8 @@ T[:10]
 
 #+RESULTS:
 | 22.5 | 21.2 | 21.2 | 23.3 | 1.41 | 21.9 | 78.7 | 25.1 | 24.0 | 19.5 |
-
+** Analyse
+*** Cas 1 : evolution de la durée de transmission dans le temps
 #+BEGIN_SRC python :session :results silent :file test.png
 import matplotlib
 import matplotlib.pyplot as plt
@@ -104,15 +105,16 @@ ax.scatter(date,
 # Set title and labels for axes
 ax.set(xlabel="Date",
        ylabel="Temps de transmission",
-       title="Evolution de la temps de transmission dans le temps")
+       title="Evolution de la dunée de transmission de transmission dans le temps")
 
 plt.savefig('evol_temps_transmission_dans_le_temps.png')
 #+END_SRC
 #+RESULTS:
 : None
+[[file:./evol_temps_transmission_dans_le_temps.png]]
 
-Il ne semble pas avoir d'impact au travers le temps
-** Evolution du temps de transmission à travers le temps
+Après analyse visuelle, il ne semble pas avoir d'impact au travers le temps
+*** Cas 2 : Evolution du temps de transmission en fonction de la taille
 #+BEGIN_SRC python :session :results silent :file test2.png
 import matplotlib
 import matplotlib.pyplot as plt
@@ -132,9 +134,11 @@ ax.set(xlabel="Taille des donnee",
 plt.savefig('evol_temps_transmission_en_fonction_de_la_taille.png')
 
 #+END_SRC
-Ici, on voit l'impact de la MTU ici certainement à 1500 sur le temps de transport
+[[file:./evol_temps_transmission_en_fonction_de_la_taille.png]]
+Ici, on voit l'impact de la MTU ici certainement à 1500 sur le temps de transport. Après mesure, celle ci est à 1485.
 
 ** Differenciation par rapport à la taille
+Nous allons découpé le corpus, en deux sous ensemble. Un inférieur à la MTU et un supérieur.
 *** Inférieur à la MTU
 #+BEGIN_SRC python :session
 table_l1500 = [row for row in cleantable if int(row[1]) <= 1485]
@@ -219,6 +223,7 @@ plt.savefig('g1500_evol_T-f(S).png')
 
 #+END_SRC
 ** Régression linéaire
+Ici, nous allons procédé à une évaluation de C et L par la technique de la régression linéaire.
 ** Cas inférieur à la MTU
 #+BEGIN_SRC python :session :results replace
 import pandas as pd
@@ -249,6 +254,8 @@ ax.tick_params(labelrotation=30)
 fig.savefig('l1500_reglineaireT-f(S).png')
 #+END_SRC
 
+[[file:./l1500_reglineaireT-f(S).png]]
+
 #+RESULTS:
 : None
 #+BEGIN_SRC python :session
@@ -290,7 +297,7 @@ f"Les coeff sont L = {lmodel.intercept_} et C =  { 1 / lmodel.coef_}"
 
 #+RESULTS:
 : Les coeff sont L = 5.867233082184833 et C =  [441.71908009]
-* Stackoverflow
+* Cas 2 : Stackoverflow
 ** Récupération du jeu de donnée
 *** Téléchargement
 #+BEGIN_SRC python :session :file step1.txt :results replace
@@ -364,8 +371,9 @@ plt.savefig('stacko_evol_temps_transmission_dans_le_temps.png')
 #+END_SRC
 #+RESULTS:
 : None
+[[file:./evol_temps_transmission_dans_le_temps.png]]
 
-Il ne semble pas avoir d'impact au travers le temps
+Après analyse visuelle, Il ne semble pas avoir d'impact au travers le temps
 ** Evolution du temps de transmission à travers le temps
 #+BEGIN_SRC python :session :results silent :file test2.png
 import matplotlib
@@ -386,6 +394,7 @@ ax.set(xlabel="Taille des donnee",
 plt.savefig('stacko_evol_temps_transmission_en_fonction_de_la_taille.png')
 
 #+END_SRC
+[[file:./evol_temps_transmission_en_fonction_de_la_taille.png]]
 Ici, on voit l'impact de la MTU ici certainement à 1500 sur le temps de transport
 
 *** Differenciation par rapport à la taille
@@ -430,6 +439,7 @@ ax.set(xlabel="Taille des donnee",
 plt.savefig('stacko_l1500_evol_T-f(S).png')
 
 #+END_SRC
+[[file:./stacko_l1500_evol_T-f(S).png]]
 **** Supérieur à la MTU
 Calcul d'un tableau avec les donnée supérieure à la MTU
 #+BEGIN_SRC python :session
@@ -472,6 +482,7 @@ ax.set(xlabel="Taille des donnee",
 plt.savefig('stacko_g1500_evol_T-f(S).png')
 
 #+END_SRC
+[[file:./stacko_g1500_evol_T-f(S).png]]
 ** Régression linéaire
 *** Cas inférieur à la MTU
 #+BEGIN_SRC python :session :results replace
@@ -503,6 +514,7 @@ ax.tick_params(labelrotation=30)
 fig.savefig('stacko_l1500_reglineaireT-f(S).png')
 #+END_SRC
 
+[[file:./stacko_l1500_reglineaireT-f(S).png]]
 #+RESULTS:
 : None
 #+BEGIN_SRC python :session
@@ -557,6 +569,7 @@ ax.xaxis.set_major_formatter(fake_dates)
 ax.tick_params(labelrotation=30)
 fig.savefig('stacko_g1500_reglineaireT-f(S).png')
 #+END_SRC
+[[file:./stacko_g1500_reglineaireT-f(S).png]]
 
 #+RESULTS:
 : None