Skip to content
Projects
Groups
Snippets
Help
Loading...
Help
Submit feedback
Contribute to GitLab
Sign in
Toggle navigation
M
mooc-rr
Project
Project
Details
Activity
Releases
Cycle Analytics
Repository
Repository
Files
Commits
Branches
Tags
Contributors
Graph
Compare
Charts
Issues
0
Issues
0
List
Board
Labels
Milestones
Merge Requests
0
Merge Requests
0
CI / CD
CI / CD
Pipelines
Jobs
Schedules
Charts
Wiki
Wiki
Snippets
Snippets
Members
Members
Collapse sidebar
Close sidebar
Activity
Graph
Charts
Create a new issue
Jobs
Commits
Issue Boards
Open sidebar
49d86b4b3e98f552beab7f2514d218f6
mooc-rr
Commits
67454f67
Commit
67454f67
authored
Mar 19, 2022
by
49d86b4b3e98f552beab7f2514d218f6
Browse files
Options
Browse Files
Download
Email Patches
Plain Diff
Update toy_document_orgmode_python_fr.org
parent
dd7636d4
Changes
1
Hide whitespace changes
Inline
Side-by-side
Showing
1 changed file
with
55 additions
and
75 deletions
+55
-75
toy_document_orgmode_python_fr.org
module2/exo1/toy_document_orgmode_python_fr.org
+55
-75
No files found.
module2/exo1/toy_document_orgmode_python_fr.org
View file @
67454f67
#+TITLE: Votre titre
#+TITLE: Votre titre
#+AUTHOR: Votre nom
#+AUTHOR: Votre nom
#+DATE: La date du jour
#+DATE: La date du jour
#+LANGUAGE: fr
#+LANGUAGE: fr
# #+PROPERTY: header-args :eval never-export
# #+PROPERTY: header-args :eval never-export
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
* En demandant à la lib maths
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
Mon ordinateur m'indique que π vaut approximativement:
#+HTML_HEAD: <script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.3/jquery.min.js"></script>
#+begin_src python :results value :session :exports both
#+HTML_HEAD: <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.js"></script>
from math import *
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
pi
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
#+end_src
* Quelques explications
#+RESULTS:
: 3.141592653589793
Ceci est un document org-mode avec quelques exemples de code
python. Une fois ouvert dans emacs, ce document peut aisément être
* En utilisant la méthode des aiguilles de Buffon
exporté au format HTML, PDF, et Office. Pour plus de détails sur
Mais calculé avec la méthode des [[aiguilles de
org-mode vous pouvez consulter https://orgmode.org/guide/.
Buffon][https://fr.wikipedia.org/wiki/Aiguille_de_Buffon]], on obtiendrait comme
approximation :
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
#+begin_src python :results value :session :exports both
compilé en html. Tout le code contenu sera ré-exécuté, les résultats
import numpy as np
récupérés et inclus dans un document final. Si vous ne souhaitez pas
np.random.seed(seed=42)
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
N = 10000
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
x = np.random.uniform(size=N, low=0, high=1)
document.
theta = np.random.uniform(size=N, low=0, high=pi/2)
2/(sum((x+np.sin(theta))>1)/N)
#+end_src
#+RESULTS:
: 3.128911138923655
* Avec un argument "fréquentiel" de surface
Sinon, une méthode plus simple à comprendre et ne faisant pas
intervenir d'appel à la fonction sinus se base sur le fait que si $X\sim
U(0,1)$ et $Y \sim U(0,1)$ alors $P[X^2+Y^2 \le 1]=\pi/4$
(voir [[méthode de Monte Carlo sur
Wikipedia][https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80]]). Le
code suivant illustre ce fait :
#+begin_src python :results file :session :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both
import matplotlib.pyplot as plt
Comme nous vous l'avons montré dans la vidéo, on inclue du code
np.random.seed(seed=42)
python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
N = 1000
x = np.random.uniform(size=N, low=0, high=1)
y = np.random.uniform(size=N, low=0, high=1)
#+begin_src python :results output :exports both
accept = (x*x+y*y) <= 1
print("Hello world!")
reject = np.logical_not(accept)
#+end_src
#+RESULTS:
fig, ax = plt.subplots(1)
: Hello world!
ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
ax.set_aspect('equal')
Voici la même chose, mais avec une session python, donc une
plt.savefig(matplot_lib_filename)
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
matplot_lib_filename
~C-c C-c~).
#+begin_src python :results output :session :exports both
import numpy
x=numpy.linspace(-15,15)
print(x)
#+end_src
#+end_src
#+RESULTS:
#+RESULTS:
#+begin_example
[[file:/tmp/babel-bk4vDD/figureoMXMMf.png]]
[-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)
Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en
print(matplot_lib_filename)
comptant combien de fois, en moyenne, $X^2+Y^2$ est inférieur à $1$ :
,#+begin_src python :results value :session :exports both
4*np.mean(accept)
#+end_src
#+end_src
#+RESULTS:
#+RESULTS:
[[file:./cosxsx.png]]
: 3.112
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.
Write
Preview
Markdown
is supported
0%
Try again
or
attach a new file
Attach a file
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Cancel
Please
register
or
sign in
to comment