Ce notebook a pour objectif de reproduire la célèbre carte de John Snow montrant la répartition des décès dus au choléra à Soho en 1854. À l'aide de données géographiques historiques et d'outils modernes de visualisation, nous allons :
L'ensembles des biliothèques et leur version respective se trouvent dans le fichier 'requirements.txt'
!pip install -r requirements.txt
print(("----------------------------------------"))
print("Toutes les bibliothèques sont installées !")
# Importation des bibliothèques nécessaires à notre analyse
import geopandas as gpd
import folium
import matplotlib.pyplot as plt
from shapely.geometry import Point
print("Toutes les bibliothèques sont importées !")
Nous utilisons ici les fichiers Shapefile fournis dans l’archive SnowGIS_SHP provenant de ce site :
https://blog.rtwilson.com/john-snows-cholera-data-in-more-formats/
Ces fichiers contiennent les données géographiques suivantes :
Cholera_Deaths.shp : emplacements des décès dus au choléra, avec le nombre de morts par adresse.Pumps.shp : emplacements des pompes à eau publiques dans le quartier de Soho.Nous utilisons la bibliothèque GeoPandas pour lire ces fichiers et vérifier que les données sont bien chargées avec le bon système de coordonnées.
# Chargement des shapefiles avec GeoPandas
deaths = gpd.read_file("data/Cholera_Deaths.shp")
pumps = gpd.read_file("data/Pumps.shp")
# Aperçu des données
display(deaths.head())
display(pumps.head())
# Vérification du système de coordonnées (CRS)
print("CRS des décès :", deaths.crs)
print("CRS des pompes :", pumps.crs)
Folium utilise sur le système de coordonnées WGS 84 (latitude/longitude), qui est utilisé par défaut dans les cartes web comme OpenStreetMap.
Cependant, nos fichiers shapefile utilisent actuellement le système British National Grid (EPSG:27700), qui fonctionne avec des coordonnées en mètres, propres au Royaume-Uni.
Afin de pouvoir afficher correctement nos données sur une carte interactive avec Folium, il est nécessaire de les convertir vers le système de projection WGS 84 (EPSG:4326).
Cette opération est appelée une reprojection. Elle permet à nos points d'apparaître au bon endroit sur la carte.
Nous réalisons cette conversion avec la méthode .to_crs(epsg=4326) de GeoPandas, qui transforme les coordonnées de chaque géométrie.
# Reprojection en EPSG:4326 (latitude/longitude)
deaths_wgs84 = deaths.to_crs(epsg=4326)
pumps_wgs84 = pumps.to_crs(epsg=4326)
# Aperçu pour vérification
deaths_wgs84.head()
Nous utilisons la bibliothèque folium pour créer une carte interactive centrée sur le quartier de Soho.
Count).Cette visualisation permet de retrouver la logique de la carte originale de John Snow, en montrant la concentration des décès autour de certaines pompes.
# Obtenir le centre de la carte en prenant le centre des décès
map_center = [deaths_wgs84.geometry.y.mean(), deaths_wgs84.geometry.x.mean()]
# Créer la carte Folium centrée sur Soho
m = folium.Map(location=map_center, zoom_start=17, tiles='cartodbpositron')
# Ajouter les décès avec des cercles proportionnels à Count
for _, row in deaths_wgs84.iterrows():
folium.CircleMarker(
location=[row.geometry.y, row.geometry.x],
radius=row['Count'] * 1.5, # multiplier pour avoir une taille visible
color='red',
fill=True,
fill_color='red',
fill_opacity=0.6,
popup=f"{row['Count']} décès"
).add_to(m)
# Ajouter les pompes avec une icône bleue
for _, row in pumps_wgs84.iterrows():
folium.Marker(
location=[row.geometry.y, row.geometry.x],
icon=folium.Icon(color='blue', icon='tint', prefix='fa'),
popup="Pompe à eau"
).add_to(m)
# Afficher la carte
m
Pour identifier visuellement les zones les plus touchées par l’épidémie, nous utilisons une carte de chaleur (heatmap).
Chaque point de décès est pondéré par le nombre de morts (Count). On observe ainsi une zone de concentration très nette autour d'une certaine pompe.
On voyait déjà cela avec les cercles mais je trouve la heat map plus parlante.
from folium.plugins import HeatMap
# Extraire les points avec leur pondération
heat_data = [[row.geometry.y, row.geometry.x, row['Count']] for _, row in deaths_wgs84.iterrows()]
# Nouvelle carte centrée sur Soho
m_heat = folium.Map(location=map_center, zoom_start=17, tiles='cartodbpositron')
# Ajouter la heatmap des décès
HeatMap(heat_data, radius=15, blur=10, max_zoom=18).add_to(m_heat)
# Ajouter les pompes pour référence
for _, row in pumps_wgs84.iterrows():
folium.Marker(
location=[row.geometry.y, row.geometry.x],
icon=folium.Icon(color='blue', icon='tint', prefix='fa'),
popup="Pompe à eau"
).add_to(m_heat)
# Afficher la heatmap
m_heat
Grâce à nos outils de visualisation de données géospatiales, nous avons pu reproduire et enrichir l’analyse historique de John Snow sur l’épidémie de choléra de 1854 à Soho.