Mod2Ex2: Mes premières statistiques

parent 181ba051
#+TITLE: Votre titre #+TITLE: Mes premières statistiques
#+AUTHOR: Votre nom
#+DATE: La date du jour
#+LANGUAGE: fr #+LANGUAGE: fr
# #+PROPERTY: header-args :eval never-export # #+PROPERTY: header-args :eval never-export
...@@ -11,83 +9,55 @@ ...@@ -11,83 +9,55 @@
#+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/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Quelques explications Import de numpy et création de l'ensemble de donnée :
Ceci est un document org-mode avec quelques exemples de code #+begin_src python :results output :session :exports both
python. Une fois ouvert dans emacs, ce document peut aisément être import numpy as np
exporté au format HTML, PDF, et Office. Pour plus de détails sur data = [14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9,
org-mode vous pouvez consulter https://orgmode.org/guide/. 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,
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1,
compilé en html. Tout le code contenu sera ré-exécuté, les résultats 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6,
récupérés et inclus dans un document final. Si vous ne souhaitez pas 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2,
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3,
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3,
document. 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]
#+end_src
Comme nous vous l'avons montré dans la vidéo, on inclue du code Calcul de la moyenne :
python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
#+begin_src python :results output :exports both #+begin_src python :results output :session :exports both
print("Hello world!") np.average(data)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
: Hello world! : 14.113000000000001
Calcul de l'écart-type :
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 #+begin_src python :results output :session :exports both
import numpy np.std(data, ddof=1)
x=numpy.linspace(-15,15)
print(x)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
#+begin_example : 4.334094455301447
[-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)) Calcul de la médianne :
plt.plot(x,numpy.cos(x)/x)
plt.tight_layout()
plt.savefig(matplot_lib_filename) #+begin_src python :results output :session :exports both
print(matplot_lib_filename) np.median(data)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:./cosxsx.png]] : 14.5
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 Min/Max :
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 #+begin_src python :results output :session :exports both
ce MOOC une configuration avec un certain nombre de raccourcis print(str(min(data)) + " < data < " + str(max(data)))
claviers permettant de créer rapidement les blocs de code python (en #+end_src
faisant ~<p~, ~<P~ ou ~<PP~ suivi de ~Tab~).
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces #+RESULTS:
informations et les remplacer par votre document computationnel. : 2.8 < data < 23.4
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment