Exercice 02-4 - Améliorer son journal de bord

module2/exo4/exercice_python_fr.org

-#+TITLE:  Votre titre
-#+AUTHOR: Votre nom
-#+DATE:   La date du jour
+#+TITLE:  Quelques chiffres autour de l'épidémie de Covid-19
+#+AUTHOR: François Févotte
+# #+DATE:   La date du jour
 #+LANGUAGE: fr
-# #+PROPERTY: header-args :eval never-export
 
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
@@ -11,83 +10,114 @@
 #+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/.
+* Récupération des données
 
-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.
+On prend les données distribuées par [[https://ourworldindata.org][Our World In Data]], elles-mêmes issues de
+l'[[https://www.ecdc.europa.eu/][ECDC]] :
 
-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 none :session :exports none
+  import numpy as np
+  import matplotlib.pyplot as plt
+  import pandas as pd
+  plt.style.use('seaborn')
+#+END_SRC
 
-#+begin_src python :results output :exports both
-print("Hello world!")
-#+end_src
+#+BEGIN_SRC python :results value :session :exports both
+  url = "https://covid.ourworldindata.org/data/ecdc/full_data.csv"
+  data_raw = pd.read_csv(url, index_col='date')
+  data_raw.tail(3)
+#+END_SRC
 
 #+RESULTS:
-: Hello world!
+:             location  new_cases  new_deaths  total_cases  total_deaths
+: date                                                                  
+: 2020-04-04  Zimbabwe          1           0            9             1
+: 2020-04-05  Zimbabwe          0           0            9             1
+: 2020-04-06  Zimbabwe          0           0            9             1
 
-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)
-#+end_src
+* Evolution comparée de l'épidémie dans quelques pays
+
+Je préfère fonder l'analyse sur le nombre de décès, qui me semble plus fiable et
+comparable d'un pays à l'autre que, par exemple, le nombre de cas dépistés. Afin
+de recaler l'axe temporel, on positionne $t=0$ au moment où le nombre total de
+morts dépasse 100.
+
+#+BEGIN_SRC python :results value :exports both :session
+  # Parameters
+  column    = "total_deaths"
+  threshold = 100
+  countries = ["France", "Italy", "Spain", "Belgium", "Germany", "Switzerland"]
+
+  total = {}
+  for country in countries:
+      total[country] = data_raw.query(f"location == '{country}' & {column} > {threshold}")
+
+  daily[countries[0]].head(3)
+#+END_SRC
+
+#+RESULTS:
+:            location  new_cases  new_deaths  total_cases  total_deaths
+: date                                                                 
+: 2020-03-14   France        785          18         3661            79
+: 2020-03-16   France        924          36         5423           127
+: 2020-03-17   France       1210          21         6633           148
+
+#+BEGIN_SRC python :session :results output file :exports results :var pltfile="total.png"
+  plt.figure(figsize=(10,5))
+  for country in total.keys():
+      x = total[country]['total_deaths']
+      plt.plot(numpy.arange(len(x)), x, label=country, linewidth=3)
+  plt.xlabel(f"Number of days since {column} > {threshold}")
+  plt.yscale("log")
+  plt.legend(fontsize='x-large')
+  plt.tight_layout()
+  plt.savefig(pltfile)
+  plt.close()
+  print(pltfile)
+#+END_SRC
+
+#+RESULTS:
+[[file:total.png]]
+
+
+* Vers un passage du pic ?
+
+On s'intéresse ici à l'atteinte d'un pic du nombre de décès quotidiens liés à
+Covid-19.  Là encore, l'axe temporel est recalé afin de permettre une
+comparaison entre pays : $t=0$ est positionné au moment où le nombre quotidien
+de morts dépasse 15.
+
+#+BEGIN_SRC python :session :results value :exports both
+  threshold = 15
+
+  daily = {}
+  for country in countries:
+      daily[country] = data_raw.query(f"location == '{country}' & new_deaths > {threshold}")
+
+  daily[countries[0]].head(3)
+#+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
-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
+:            location  new_cases  new_deaths  total_cases  total_deaths
+: date                                                                 
+: 2020-03-14   France        785          18         3661            79
+: 2020-03-16   France        924          36         5423           127
+: 2020-03-17   France       1210          21         6633           148
+
+#+BEGIN_SRC python :session :results output file :exports results :var pltfile="daily.png"
+  plt.figure(figsize=(10,5))
+  for country in daily.keys():
+      x = daily[country]['new_deaths']
+      plt.plot(numpy.arange(len(x)), x, label=country, linewidth=3)
+  plt.xlabel(f"Number of days since daily deaths > {threshold}")
+  plt.yscale("log")
+  plt.legend(fontsize='x-large')
+  plt.tight_layout()
+  plt.savefig(pltfile)
+  plt.close()
+  print(pltfile)
+#+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:daily.png]]