Update Readme.md

journal/Readme.md

@@ -48,16 +48,16 @@ print("Maximum :", np.max(donnees))
 
 import matplotlib.pyplot as plt
 
-# Affichage graphique : Séquence plot + histogramme
+% Affichage graphique : Séquence plot + histogramme
 fig, axs = plt.subplots(2, 1, figsize=(10, 8))
 
-# Séquence plot
+% Séquence plot
 axs[0].plot(donnees, marker='o', linestyle='-', color='blue')
 axs[0].set_title("Séquence plot des données")
 axs[0].set_xlabel("Index")
 axs[0].set_ylabel("Valeur")
 
-# Histogramme
+% Histogramme
 axs[1].hist(donnees, bins=15, color='skyblue', edgecolor='black')
 axs[1].set_title("Histogramme des données")
 axs[1].set_xlabel("Valeur")
@@ -74,3 +74,64 @@ plt.show()
 - Une analyse réplicable est plus facile à modifier pour de nouveaux cas et plus simple à vérifier par d'autres chercheurs. Elle renforce la fiabilité et la reproductibilité des résultats.
 
 
+### Module3 Exo1
+
+####  Modification du code pour utiliser une copie locale des données
+
+Au lieu de télécharger les données du Réseau Sentinelles à chaque exécution, nous allons :
+1. Vérifier si une copie locale existe déjà.
+2. Si ce n’est pas le cas, télécharger le fichier CSV et le sauvegarder localement.
+3. Charger les données à partir du fichier local.
+
+python
+import pathlib
+import requests
+import pandas as pd
+
+#### URL d’origine
+data_url = "http://www.sentiweb.fr/datasets/incidence-PAY-3.csv"
+local_file = pathlib.Path("data/incidence_grippal.csv")
+
+#### Créer le dossier 'data' si nécessaire
+local_file.parent.mkdir(parents=True, exist_ok=True)
+
+#### Télécharger si la copie locale n'existe pas encore
+if not local_file.exists():
+    print("Téléchargement du fichier depuis le Réseau Sentinelles…")
+    response = requests.get(data_url, timeout=30)
+    response.raise_for_status()
+    local_file.write_bytes(response.content)
+    print(f"✅ Données sauvegardées dans : {local_file}")
+else:
+    print(f"✅ Données locales déjà présentes : {local_file}")
+
+#### Lecture du fichier CSV local
+raw_data = pd.read_csv(local_file, skiprows=1)
+
+
+###  Nettoyage et vérification des données avant l’analyse
+
+Avant de tracer les courbes, il faut :
+
+- Supprimer les espaces éventuels dans les noms de colonnes.
+
+- Convertir la colonne 'inc' en données numériques.
+
+- Vérifier que la colonne 'inc' contient bien des données valides.
+
+
+
+####  Étape 1 : Supprimer les espaces autour des noms de colonnes
+sorted_data.columns = sorted_data.columns.str.strip()
+
+####  Étape 2 : Convertir la colonne 'inc' en type numérique
+sorted_data['inc'] = pd.to_numeric(sorted_data['inc'], errors='coerce')
+
+####  Étape 3 : Vérifier les données
+print("Valeurs manquantes dans 'inc' :", sorted_data['inc'].isnull().sum())
+print("Valeurs valides dans 'inc' :", sorted_data['inc'].notnull().sum())
+
+####  Étape 4 : Tracer la courbe
+sorted_data['inc'].plot()
+
+