#+TITLE:  Incidence annuelle de la varicelle
#+AUTHOR: Émile Jetzer
#+DATE:   2020-05-18
#+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>

* Incidence annuelle de la varicelle

** Obtention des données

#+NAME: fichier_loin
https://www.sentiweb.fr/datasets/incidence-PAY-7.csv

#+NAME: fichier_local
donnees.csv

#+BEGIN_SRC python :session "Python" :results output :var local=fichier_local loin=fichier_loin :exports none
import pandas as pd
from urllib.request import urlopen
from pathlib import Path

fichier_local = Path(local)

# Pour enlever le fichier local au besoin
# fichier_local.unlink()

if not fichier_local.exists():
    print('Le fichier n\'existe pas...')
    t = urlopen(loin)
    print('Télécharger...')
    with fichier_local.open('w') as f:
        f.write(t.read().decode('latin-1'))
    print('Téléchargé.')
else:
    print('Le fichier local existait déjà.')

assert fichier_local.exists()
#+END_SRC

#+RESULTS:
: Le fichier local existait déjà.
: 
: 

#+BEGIN_SRC python :session "Python" :results value :var local=fichier_local
df = pd.read_csv(local, header=1, usecols=['week', 'inc'], skiprows=0)

df.head()
#+END_SRC

#+RESULTS:
:      week   inc
: 0  202019   319
: 1  202018   849
: 2  202017   272
: 3  202016   758
: 4  202015  1918

** Préparer les données
#+BEGIN_SRC python :session "Python" :results silent 
def année(semaine):
    return int(str(semaine)[:4])

assert année('202019')
#+END_SRC

#+BEGIN_SRC python :session "Python" :results output
df.loc[:, 'annee'] = df.week.apply(année)

résumé = df.loc[:, ['annee', 'inc']].groupby('annee').sum()

# S'assurer de compter des années complètes
nbr_semaines = df.groupby('annee').size()
résumé = résumé.loc[nbr_semaines > 50, :]

print(résumé)
#+END_SRC

#+RESULTS:
#+begin_example
inc
annee        
1991   656000
1992   843500
1993   593435
1994   660418
1995   654598
1996   632212
1997   624302
1998   785055
1999   646022
2000   646617
2001   563415
2002   589547
2003   678928
2004   850765
2005   654446
2006   557905
2007   778119
2008   738993
2009   875937
2010   766478
2011   642034
2012   676971
2013   658318
2014   648607
2015   649742
2016   730003
2017   556580
2018   561400
2019   540874
>>> >>>
#+end_example

** Obtenir la pire et la meilleure années

#+BEGIN_SRC python :session "Python" :results output
pire_année = résumé.idxmax()
meilleure_année = résumé.idxmin()

print('Pire année:', pire_année)
print('Meilleure année:', meilleure_année)
#+END_SRC

#+RESULTS:
: Pire année: inc    2009
: dtype: int64
: Meilleure année: inc    2019
: dtype: int64
: >>>