"La concentration est donc bien un nombre on doit pas changer. Les dates sont des chaînes de caractère, on doit donc traiter pour avoir des nombres."
"La concentration est donc bien un nombre on doit pas changer. Les dates sont des chaînes de caractère, on doit donc traiter pour avoir une forme utilisable dans un graphique."
]
},
{
...
...
@@ -649,7 +649,7 @@
{
"data": {
"text/plain": [
"<matplotlib.axes._subplots.AxesSubplot at 0x7fcbb378fd68>"
"<matplotlib.axes._subplots.AxesSubplot at 0x7f94d8946cf8>"
]
},
"execution_count": 7,
...
...
@@ -695,11 +695,19 @@
},
{
"cell_type": "code",
"execution_count": 26,
"execution_count": 8,
"metadata": {
"scrolled": true
},
"outputs": [
{
"name": "stderr",
"output_type": "stream",
"text": [
"/opt/conda/lib/python3.6/site-packages/scipy/signal/_arraytools.py:45: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.\n",
"Afin de pouvoir caractériser la période, nous ramenons les données autour de 0 en retirant aux données la courbe du fit."
"Afin de pouvoir caractériser la période, nous ramenons les données autour de 0 en retirant aux données la courbe du fit obtenue avec l'utilisation du filtre *savgol*."
]
},
{
"cell_type": "code",
"execution_count": 27,
"execution_count": 16,
"metadata": {},
"outputs": [
{
...
...
@@ -762,12 +770,12 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Nous rappliquons un filtre à ces nouvelles données pour avoir un signal plus facile à visualiser."
"Nous rappliquons le même filtre à ces nouvelles données pour avoir un signal plus facile à visualiser."
]
},
{
"cell_type": "code",
"execution_count": 32,
"execution_count": 10,
"metadata": {},
"outputs": [
{
...
...
@@ -799,21 +807,18 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"On peut estimer la période plus facilement."
"Visuellement nous remarquons que la période de l'oscillation est de plus ou moins un an et nous besoin la suite de l'analyse sur cette supposition. On peut donc estimer la période plus facilement. Ne connaissant pas de moyen pour déterminer à l'aide du code et d'une fonction la période des données, nous utilisons les étapes suivantes:\n",
"- Le signal ressemble aà un signal sinusoidal. De ce fait, nous savons que la période correspond au passage des données à la valeur 0 une fois sur deux.\n",
"- Nous affichons donc des barres verticales une fois sur deux, là où les données passent par zéro.\n",
"- Nous faisons une nouvelle inspection visuelle et remarquons que sur un zoom de deux ans le lieu de données égales à 0 passe aux alentour de juillet de l'année pour les deux années consécutives\n",
"- Nous confirmons que la période est proche de un an"
"Puisque l'indice des données correspond au nombr ede semaines édcoulées dpeuis le début des données, une autre méthode consisterait à récolter l'indice des données qui passent par 0. C'est ce qui est fait dans *raw_data_period*. Nous regardons le nombre de semaine moyen entre deux données consécutives passant par 0 et multiplions par 2 pour avoir la période. Cette méthode nous donne une réponse en nombre de semaine proche de la valeur de un an. "
