"Nous pouvons désormais finir de répondre à la premiè question posée. Le personnage s'exprimant le plus dans la pièce de _L'Avare_ de Molière et qui est donc le protagoniste principal, n'est autre qu'**Harpagon**. Quant aux personnages ne s'exprimant pas, nous en avons deux, le **clerc** du commissaire ainsi que **Dame Claude** qui est la servante d'Harpagon."
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"On va utiliser le classement pour associer à chaque personnage de la pièce une couleur unique. On va donc reprendre le dictionnaire des personnages et régler la propriété de couleur."
]
},
{
"cell_type": "code",
"execution_count": null,
...
...
@@ -1359,6 +1491,71 @@
"outputs": [],
"source": []
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Réponse à la seconde question"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"En nous appuyant sur une page internet trouvée sur exemple d'affichage similaire à ce qui est fait dans l'étude \\(à savoir un affichage par Acte, sous forme de barres horizontales pour chaque scène le composant donnant la répartition de la paroles entre les différents protagonistes de chaque scène\\), on va pouvoir répondre à la seconde question. Voici un lien vers celle-ci: [geeksforgeeks_stacked-percentage-bar-plot](https://www.geeksforgeeks.org/stacked-percentage-bar-plot-in-matplotlib/)."
]
},
{
"cell_type": "code",
"execution_count": 17,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"5\n"
]
}
],
"source": [
"import matplotlib.pyplot as plt\n",
"\n",
"# Il va nous falloir compter le nombre d'actes de la pièce\n",
"# et faire une boucle sur ces derniers pour construire \n",
"# un dataframe par acte à partir du dataframe global\n",
"# que dont on va caler la structure en fonction de\n",
"# l'exemple disponible sur la page.\n",
"# Le dataframe doit contenir une ligne par scène de l'acte\n",
"# courant et une colonne par protagoniste de la scène\n",
