Update exercice_python_fr.org

module2/exo4/exercice_python_fr.org

-#+TITLE:  Votre titre
-#+AUTHOR: Votre nom
-#+DATE:   La date du jour
-#+LANGUAGE: fr
-# #+PROPERTY: header-args :eval never-export
-
-#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
-#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
-#+HTML_HEAD: <script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.3/jquery.min.js"></script>
-#+HTML_HEAD: <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.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>
-
-* Quelques explications
-
-Ceci est un document org-mode avec quelques exemples de code
-python. Une fois ouvert dans emacs, ce document peut aisément être
-exporté au format HTML, PDF, et Office. Pour plus de détails sur
-org-mode vous pouvez consulter https://orgmode.org/guide/.
+#+begin_src python :results output :exports both :session s1
+import numpy as np
+import pandas as pd
+values = np.array([14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 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, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 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])
+print(values.shape)
+#+end_src
 
-Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
-compilé en html. Tout le code contenu sera ré-exécuté, les résultats
-récupérés et inclus dans un document final. Si vous ne souhaitez pas
-ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
-le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
-document.
+#+RESULTS:
+: (100,)
 
-Comme nous vous l'avons montré dans la vidéo, on inclue du code
-python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
+#+begin_src python :results file :session s1 :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both
+import matplotlib.pyplot as plt
+plt.figure(figsize=(10,5))
+plt.plot(values)
+plt.tight_layout()
 
-#+begin_src python :results output :exports both
-print("Hello world!")
+plt.savefig(matplot_lib_filename)
+matplot_lib_filename
 #+end_src
 
 #+RESULTS:
-: Hello world!
+[[file:/tmp/babel-ckBwwa/figureT2xwWJ.png]]
+Nous allons étudier la saisonnalité des données fournies par le MOOC.
+L'idée est de décomposer le signal en une tendance(trend), une
+composante saisonnière et des résidus.
+
+#+begin_src python :results output :exports both :session s1
+import statsmodels.api as sm
+
+# set arbitrary time index to study seasonality
+time_index = pd.date_range('1/1/2000', periods=len(values), freq='D')
+series = pd.Series(values, index=time_index)
+df = pd.DataFrame({'series': series})
+print(df.head())
+#+end_src
 
-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
-import numpy
-x=numpy.linspace(-15,15)
-print(x)
+#+RESULTS:
+: series
+: 2000-01-01    14.0
+: 2000-01-02     7.6
+: 2000-01-03    11.2
+: 2000-01-04    12.8
+: 2000-01-05    12.5
+
+#+begin_src python :results file :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both :session s1
+res = sm.tsa.seasonal_decompose(df)
+resplot = res.plot()
+plt.tight_layout()
+resplot.savefig(matplot_lib_filename)
+matplot_lib_filename
 #+end_src
 
 #+RESULTS:
-#+begin_example
-[-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
+[[file:/tmp/babel-ckBwwa/figure6n6cj7.png]]
 
-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
+Apparemment, la tendance comporte elle aussi une saisonnalité,
+essayons de l'exhiber:
 
-plt.figure(figsize=(10,5))
-plt.plot(x,numpy.cos(x)/x)
+#+begin_src python :results file :session s1 :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both
+df_trend = pd.DataFrame({'trend': res.trend.dropna()})
+res_trend = sm.tsa.seasonal_decompose(df_trend)
+resplot_trend = res_trend.plot()
 plt.tight_layout()
-
-plt.savefig(matplot_lib_filename)
-print(matplot_lib_filename)
+resplot_trend.savefig(matplot_lib_filename)
+matplot_lib_filename
 #+end_src
 
 #+RESULTS:
-[[file:./cosxsx.png]]
-
-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.
+[[file:/tmp/babel-ckBwwa/figuresLDoXm.png]]
 
-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.
+On observe une belle saisonnalité au sein même de la tendance !
+Il semblerait qu'il existe une tendance linéaire au sein même de la
+tendance. Vérifions cela:
 
-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~).
+#+begin_src python :results file :session s1 :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both
+df_trend_bis = pd.DataFrame({'trend_bis': res_trend.trend.dropna()})
+res_trend_bis = sm.tsa.seasonal_decompose(df_trend_bis)
+resplot_trend_bis = res_trend_bis.plot()
+plt.tight_layout()
+resplot_trend_bis.savefig(matplot_lib_filename)
+matplot_lib_filename
+#+end_src
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
-informations et les remplacer par votre document computationnel.
+#+RESULTS:
+[[file:/tmp/babel-ckBwwa/figure6dAIC9.png]]