"Objectif: regrouper et analyser les émissions de dioxyde de carbone (CO2) en fonction des années.\n",
"On commence par extraire les années uniques à partir d'un ensemble de données, puis somme les émissions de CO2 pour chaque année. Les résultats sont ensuite stockés dans une série pandas pour une analyse ultérieure. Enfin, le code génère un graphique de dispersion pour visualiser l'évolution des émissions annuelles de CO2 au fil du temps. Cette approche permet de mettre en évidence les tendances et les variations annuelles des émissions de CO2, facilitant ainsi une compréhension plus approfondie de l'impact environnemental sur une période donnée."
]
},
{
"cell_type": "code",
"execution_count": 61,
...
...
@@ -2276,7 +2284,6 @@
}
],
"source": [
"#question1\n",
"# Grouper par année (Yr) et sommer les valeurs de CO2\n",
"annees = data[' Yr'].unique() # Obtenir la liste des années uniques\n",
"\n",
...
...
@@ -2410,62 +2417,76 @@
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"On réalise une analyse des données de concentration de CO2 en utilisant des techniques de traitement de séries chronologiques. On commence par extraire les données d'année et de concentration de CO2, puis appliquer la transformation de Fourier pour identifier les composantes périodiques. Les fréquences principales sont détectées pour caractériser ces oscillations. Pour modéliser la tendance à long terme, une régression linéaire est employée, et ses paramètres sont estimés. L'extrapolation de cette tendance est effectuée jusqu'en 2023 à l'aide du modèle. Le résultat est illustré dans deux graphiques : le premier expose la concentration de CO2 avec ses oscillations périodiques, tandis que le second dépeint la contribution lente avec une extrapolation jusqu'en 2023. Cette analyse permet de visualiser les tendances périodiques et à long terme dans les données de CO2, offrant un aperçu utile pour des analyses et des prévisions futures."
]
},
{
"cell_type": "code",
"execution_count": 26,
"execution_count": 45,
"metadata": {},
"outputs": [
{
"ename": "ValueError",
"evalue": "to assemble mappings requires at least that [year, month, day] be specified: [month,year] is missing",
"\u001b[0;32m<ipython-input-26-803ed48c5d4a>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m\u001b[0m\n\u001b[1;32m 3\u001b[0m \u001b[0mdata\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mdata\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0massign\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mJr\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;36m1\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m 4\u001b[0m \u001b[0;31m# Créez une colonne de date en combinant Year et Month\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 5\u001b[0;31m \u001b[0mdata\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m'Date'\u001b[0m\u001b[0;34m]\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mpd\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mto_datetime\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mdata\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m' Yr'\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0;34m' Mn'\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0;34m'Jr'\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0massign\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mday\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;36m1\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m 6\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m 7\u001b[0m \u001b[0;31m# Supprimez les colonnes Year et Month si nécessaire\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
