Début module 3 et essais notebooks

journal/Journal-de-bord_MOOC-RR_Marc-Oudart_2.Rmd

@@ -226,7 +226,16 @@ Tout est dans le dossier des modules 2.
 Notamment le fichier de l'exercice 4.  
   
 - Exercice 5 :  
+Done dans le dossier associé.  
 
+# Module 3 : La main à la pate - une analyse réplicable
+## L'étude de cas : Grippe
+Téléchargement des données hebdomadaires des cas de syndrome grippaux depuis 1985 sur le site du [réseau sentinnelles](https://www.sentiweb.fr/france/fr/?page=table).  
+  
+S'il y a des données manquantes dans le fichier --> __NE JAMAIS LES MODIFIER A LA MAIN mais toujours dans du code pour les personnes voulant réutiliser l'étude puissent comprendre pourquoi la ligne a été supprimée.__  
+
+# Importation des données
+Voir le document RMardown _Analyse syndrome grippal_.  
 
 <!-- ## R Markdown
 

module2/exo4/Calcul_téléphone.Rmd → module2/exo4/Calcul_telephone.Rmd

@@ -3,8 +3,8 @@ title: "Exo4 module 2"
 author: "Marc"
 date: "07/04/2020"
 output:
-  html_document: default
   pdf_document: default
+  html_document: default
 ---
 
 ```{r setup, include=FALSE}

module2/exo4/Calcul_téléphone.log

-This is pdfTeX, Version 3.14159265-2.6-1.40.18 (MiKTeX 2.9.6500 64-bit) (preloaded format=pdflatex 2018.1.29)  8 APR 2020 12:31
+This is pdfTeX, Version 3.14159265-2.6-1.40.18 (MiKTeX 2.9.6500 64-bit) (preloaded format=pdflatex 2018.1.29)  9 APR 2020 11:04
 entering extended mode
 **./Calcul_téléphone.tex
 (Calcul_téléphone.tex

module3/Analyse syndrome grippal.Rmd

+---
+title: "Analyse de l'incidence du syndrome grippal"
+author: "Marc"
+date: "10/04/2020"
+output: html_document
+---
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+
+Récupération des données à partir du site du réseau sentinelle.
+```{r}
+data_url = "https://www.sentiweb.fr/datasets/incidence-PAY-3.csv"
+```
+  
+Importer les données dans la variable data en sautant la première ligne de commentaire du fichier.  
+```{r}
+data = read.csv(data_url, skip=1)
+head(data)
+```
+
+Voir la fin du document :  
+```{r}
+tail(data)
+```
+
+Regarder s'il y a des données manquantes :  
+```{r}
+lignes_na = apply(data, 1, function(x) any(is.na(x)))
+data[lignes_na,]
+```
+Traverser data ligne par ligne (`data, 1`) et appliquer la fonction qui traverse colonne par colonne qui retourne tout (`any`) s'il y a valeur manquante (`is.na`).  
+`data[lignes_na,]` pour voir le contenu de ces lignes.  
+
+Quelles types de données ?  
+Pour la colonne semaine et la colonne indice :  
+```{r}
+class(data$week)
+class(data$inc)
+```
+Tous les deux sont des entiers (différent de la vidéo).  
+En fait la donnée manquante de inc a été remplacée par 0.  
+  
+Il faut que R comprenne que la 1ère colonne sont des dates.  
+Il nous faut donc la librairie `parsedate`.  
+```{r message=FALSE, warning=FALSE}
+install.packages("parsedate")
+library("parsedate")
+```
+
+Création d'une fonction (`convert_week`) pour transformer la 1ère colonne en date.  
+```{r}
+convert_week = function(date){
+  ws = paste(date)
+  iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
+  as.character(parse_iso_8601(iso))
+}
+```
+Appliquer la fonction à toute les lignes.  
+```{r}
+data$date = as.Date(sapply(data$week, convert_week))
+class(data$date)
+```
+Trier le jeu de données par ordre chronologique.  
+```{r}
+data = data[order(data$date),]
+head(data)
+```
+
+Est-ce que les lignes sont bien séparées d'1 semaine ?  
+```{r}
+all(diff(data$date) == 7)
+```
+On peut plotter les données :  
+```{r}
+with(data, plot(date, inc, type ="l"))
+```
+Le `with` spécifie juste que c'est de la variable `data` qu'il faut prendre (au lieu d'utiliser `data$date`).  
+  
+Appliquer seulement aux 200 derniers points :  
+```{r}
+with(tail(data, 200), plot(date, inc, type ="l"))
+```
+
+## L'analyse
+
+On va analyser d'années en années et non pas de semaine en semaine.  
+On va faire des années du 1er août au 1er août de chaque année pour ne pas tomber au milieu d'un pic.  
+On va faire une fonction pour ça :
+```{r}
+pic_annuel = function(annee){
+  debut = paste0(annee-1, "-08-01")
+  fin = paste0(annee, "-08-01")
+  semaines = data$date > debut & data$date <= fin 
+  sum(data$inc[semaines], na.rm = TRUE)
+}
+```
+L'année 1984 commence en hiver donc dans le pic donc il vaut mieux prendre des années à partir de 1985.  
+```{r}
+annees = 1985:2020
+```
+On va créer un nouveau tableau des incidences par année.  
+```{r}
+incidence_annuelle = data.frame(année = annees, incidence = sapply(annees, pic_annuel))
+head(incidence_annuelle)
+```
+
+```{r}
+plot(incidence_annuelle, type="p")
+```
+
+Voir les pics les plus importants en faisant un tri par l'incidence.  
+```{r}
+head(incidence_annuelle[order(-incidence_annuelle$incidence),])
+```
+
+Histogramme de la fréquence des incidences en 10 catégories.  
+```{r}
+hist(incidence_annuelle$incidence, breaks=10)
+```
+