journal/Journal_de_bord.md

@@ -2,7 +2,7 @@
 
 > Autrice : Flavie B. 
 >
-> Modifié le : 2025/08/25.
+> Modifié le : 2025/09/20.
 
 ## Préambule - Posons le décor
 
@@ -31,7 +31,7 @@ __Contenu :__
 - [x] Fiches supplémentaires
 - [x] Exercices
 
-Liens vers les exercices réalisés : [Exercice](module1/exo2) 
+__Liens vers les exercices réalisés :__ [Exercice](module1/exo2) 
 
 __Références utiles (pour moi) :__
 - [Tuto Markdown](https://www.jdbonjour.ch/cours/markdown-pandoc/) [depuis le cours]
@@ -59,19 +59,105 @@ Je choisis donc de suivre le parcours Jupyter dans un premier temps, mais je com
 __Contenu :__
 - [x] Vidéos de présentation/cours
 - [x] Tutos
-- [ ] Exercices
+- [x] Exercices
+
+__Tips jupyter :__
+
+`Ctrl + Enter` pour exécuter la cellule; `Alt + Enter` pour exécuter la cellule et créer une nouvelle cellule en dessous;
+
+`Esc + A` pour créer une nouvelle cellule au-dessus, `Esc + B` en dessous; 
 
-Tips : 
+`Esc + M` pour transformer une cellule en Markdown, `Esc + Y` pour la transformer en code.
 
 Pour personnaliser l'export jupyter notebook : 
 ```
 jupyter nbconvert --to mypackage.MyExporter notebook.ipynb
 ```
 
-Liens vers les exercices réalisés : 
+**Note pour l'exercice 4**
+
+Apparemment suivre des consignes n'est pas mon fort, je n'ai pas noté de données quotidiennes dans mon journal de bord... 
+
+Pour pouvoir faire l'exercice 4 je récupère donc les données de température pour une même ville via le site data.gouv.fr :
+[Données climatologiques quotidiennes](https://meteo.data.gouv.fr/datasets/donnees-climatologiques-de-base-quotidiennes/).
+
+Fichier "Q_06_latest-2024-2025_RR-T-Vent.csv" téléchargé le 2025/08/26. 
+
+Etapes de l'analyse : 
+
+1. Préparer/filtrer les données avec un script R. 
+
+Pour perdre moins de temps je filtre les données en utilisant un script R ([prep_data.R](module2/exo4/prep_data.R)), 
+afin de ne garder que les données pour Nice du mois d'août, entre 2025/08/01 et 2025/08/25, pour les colonnes suivantes
+
+```
+NUM_POSTE = Numéro de la station météo
+NOM_USUEL = Nom de la station météo
+AAAAMMJJ = Date de la mesure au format année mois jour
+RR = Quantité de précipitations sur 24h (en mm)
+TN = Température minimale ce jour (en °C)
+TX = Température maximale ce jour (en °C)
+TM = Température moyenne ce jour (en °C)
+```
+
+J'exporte les données filtrées en format csv, pour servir de données d'entrée à charger depuis mon document computationnel.
+
+2. Faire les analyses dans un document computationnel.
+
+J'importe les données depuis le document computationnel ([exercice.ipynb](module2/exo4/exercice.ipynb)), je corrige quelques formats, 
+puis je suis enfin prête à réaliser des statistiques de base et quelques visualisations.
+
+__Liens vers les exercices réalisés :__
+- [Exo 1](module2/exo1/toy_notebook_fr.ipynb)
+- [Exo 2](module2/exo2/exercice.ipynb)
+- [Exo 3](module2/exo3/exercice.ipynb)
+- [Exo 4](module2/exo4/exercice.ipynb)
+- [Exo 5 sans correction](module2/exo5/exo5_fr.ipynb)
 
 __Références utiles (pour moi) :__
-- [Critiques article Reihart-Rogoff sur dette](https://en.wikipedia.org/wiki/Growth_in_a_Time_of_Debt)
+- [Critiques article Reinhart-Rogoff sur dette](https://en.wikipedia.org/wiki/Growth_in_a_Time_of_Debt)
 - [Défaut dans méthode stat IRMf](https://www.pnas.org/doi/10.1073/pnas.1602413113) & [Blog sur cet article et ses suites](https://www.cogneurosociety.org/debunking-the-myth-that-fmri-studies-are-invalid/)
 - [Problèmes de reproductibilité en science avec recours aux ordinateurs](https://theconversation.com/how-computers-broke-science-and-what-we-can-do-to-fix-it-49938)
 
+## Module 3 - La main à la pâte : une analyse réplicable
+
+> Suivi la semaine du 2025/08/25.
+
+S'entraîner à réaliser une analyse réplicable à l'aide d'un document computationnel. 
+
+__Contenu :__
+- [x] Vidéo de cours
+- [x] Etude de cas
+- [ ] Exercices
+
+__Liens vers les exercices réalisés :__
+- [Exo 1](module3/exo1/analyse-syndrome-grippal.ipynb)
+- [Exo 2](module3/exo2/exercice.ipynb)
+
+**Exercice 3 - évalué par les pairs**
+
+Choix du sujet : Sujet 3 - L'épidémie de choléra à Londres en 1854.
+
+Représentation de données géographiques.
+
+Ayant eu du mal avec la librarie "folium" (carte ne montrant pas les marqueurs créés sans erreur évidente), 
+je mets en pause la réalisation de l'exo 3 pour la reprendre après le MOOC Reproducible Research II.
+
+## Module 4 - Vers une étude reproductible : la réalité du terrain 
+
+> Suivi la semaine du 2025/09/20.
+
+Module qui illustre bien les différents niveaux de difficultés qu'on peut rencontrer 
+quand on analyse un grand volume de données, hétérogènes, avec des calculs plus ou moins complexes...
+
+Avec R je trouve la fonction `set.seed()` absolument indispensable et ai commencé 
+à l'ajouter par défaut au début de la plupart de mes scripts.
+Mais elle est loin de garantir de pouvoir la reproduction des résultats, 
+surtout quand on compare des calculs sous linux/Ubuntu et MacOS... 
+
+__Contenu :__
+- [x] Vidéo de cours
+- [ ] Exercices
+
+J'ai pu rééxecuter avec succès le script en Rmd des analyses du Challenger sur ma machine (Exo1).
+Je garde l'exo 3 ("Répliquer un papier de ReScience ou RunMyCode") pour après le MOOC Reproducible Research II. 

module2/exo2/exercice.ipynb

 {
- "cells": [],
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Savoir faire un calcul simple soi-même"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import numpy as np"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "data = [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]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "[14.0, 7.6, 11.2, 12.8, 12.5]"
+      ]
+     },
+     "execution_count": 3,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "data[:5]"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "On va calculer : \n",
+    "- Moyenne des données\n",
+    "- Ecart-type\n",
+    "- Min\n",
+    "- Médiane\n",
+    "- Max"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 4,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Moyenne = 14.11\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(\"Moyenne =\", round(np.mean(data), 2))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Ecart-type = 4.33\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(\"Ecart-type =\", round(np.std(data, ddof=1), 2))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 6,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Min = 2.8\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(\"Min =\", np.min(data))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Mediane = 14.5\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(\"Mediane =\", np.median(data))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 8,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Max = 23.4\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(\"Max =\", np.max(data))"
+   ]
+  }
+ ],
  "metadata": {
   "kernelspec": {
    "display_name": "Python 3",
@@ -16,10 +159,9 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.3"
+   "version": "3.6.4"
   }
  },
  "nbformat": 4,
  "nbformat_minor": 2
 }
-

module2/exo4/Q_06_latest-2024-2025_RR-T-Vent_filtered_Nice_20250801-26.csv

+"NUM_POSTE";"NOM_USUEL";"AAAAMMJJ";"RR";"TN";"TX";"TM"
+6088001;"NICE";20250801;0;20.8;26.5;24.1
+6088001;"NICE";20250802;0;20.2;27.8;24.2
+6088001;"NICE";20250803;0;21;27.4;24.5
+6088001;"NICE";20250804;0;22;27.2;24.6
+6088001;"NICE";20250805;0;21.7;27.1;24.6
+6088001;"NICE";20250806;0;21.5;27.5;25.1
+6088001;"NICE";20250807;0;22.7;28.4;25.9
+6088001;"NICE";20250808;0;24.3;29.1;26.4
+6088001;"NICE";20250809;0;24.4;29.7;27.3
+6088001;"NICE";20250810;0;24.8;30.7;28.3
+6088001;"NICE";20250811;0;26.5;34.7;30
+6088001;"NICE";20250812;0;28.7;33.6;30.1
+6088001;"NICE";20250813;0;27.6;35.1;29.7
+6088001;"NICE";20250814;0;26.7;34;29.5
+6088001;"NICE";20250815;0;25.5;35.7;29.1
+6088001;"NICE";20250816;0;25.8;34.9;29.2
+6088001;"NICE";20250817;0;26.5;31.4;28.8
+6088001;"NICE";20250818;0;26;30.1;27.8
+6088001;"NICE";20250819;0;24.8;28.7;26.8
+6088001;"NICE";20250820;13;19.8;27.4;24.5
+6088001;"NICE";20250821;2.2;20.4;28.7;22.9
+6088001;"NICE";20250822;0;19.3;27.2;23.8
+6088001;"NICE";20250823;0;20.9;27.2;24.4
+6088001;"NICE";20250824;0;20.9;27.1;24.6

module2/exo4/prep_data.R

+#!/usr/bin/env Rscript
+
+data = read.table("data/Q_06_latest-2024-2025_RR-T-Vent.csv", sep = ";", header = TRUE)
+str(data)
+
+# Keep only columns of interest
+data_interest = data[, c("NUM_POSTE", "NOM_USUEL", "AAAAMMJJ", "RR", "TN", "TX", "TM")]
+
+# Keep only data for Nice and for august 2025 
+filtered_name = data_interest[which(data$NOM_USUEL == "NICE"),]
+nrow(filtered_name)
+
+filtered_date = filtered_name[which(filtered_name$AAAAMMJJ > 20250731),]
+nrow(filtered_date)
+
+# Export filtered data
+write.table(filtered_date, file = "data/Q_06_latest-2024-2025_RR-T-Vent_filtered_Nice_20250801-26.csv", sep = ";", row.names = FALSE, col.names = TRUE)