Update toy_document_orgmode_python_fr.org

parent 26f6a549
...@@ -11,83 +11,57 @@ ...@@ -11,83 +11,57 @@
#+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/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Quelques explications * En demandant à la lib maths
Mon ordinateur m'indique que $\pi$ vaut /approximativement/
Ceci est un document org-mode avec quelques exemples de code #+begin_src R :results output :session *R* :exports both
python. Une fois ouvert dans emacs, ce document peut aisément être pi
exporté au format HTML, PDF, et Office. Pour plus de détails sur #+end_src
org-mode vous pouvez consulter https://orgmode.org/guide/.
#+RESULTS:
: [1] 3.141593
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.
Comme nous vous l'avons montré dans la vidéo, on inclue du code * En utilisant la méthode des aiguilles de Buffon
python de la façon suivante (et on l'exécute en faisant ~C-c C-c~): Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait
comme *approximation*:
#+begin_src python :results output :exports both #+begin_src R :results output :session *R* :exports both
print("Hello world!") set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
#+end_src #+end_src
#+RESULTS: #+RESULTS:
: Hello world! : [1] 3.14327
Voici la même chose, mais avec une session python, donc une * Avec un argument "fréquentiel" de surface
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant Sinon, une méthode plus simple à comprendre et ne faisant pas
~C-c C-c~). intervenir d'appel à la fonction sinus se base sur le fait que si $X\sim
#+begin_src python :results output :session :exports both U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq 1] = \pi/4$
import numpy (voir [[https://fr.wikipedia.org/wiki/M%25C3%25A9thode_de_Monte-Carlo#D%25C3%25A9termination_de_la_valeur_de_%25CF%2580][méthode deMonte Carlo sur Wikipedia]]).
x=numpy.linspace(-15,15) Le code suivant illustre ce fait :
print(x)
#+begin_src R :results output graphics :file figure_pi_mc1.png :exports both :width 600 :height 400 :session *R*
set.seed(42)
N = 1000
df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
#+end_src #+end_src
#+RESULTS: #+RESULTS:
#+begin_example [[file:figure_pi_mc1.png]]
[-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
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
plt.figure(figsize=(10,5)) Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en
plt.plot(x,numpy.cos(x)/x) comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 :
plt.tight_layout() #+begin_src R :results output :session *R* :exports both
4*mean(df$Accept)
plt.savefig(matplot_lib_filename)
print(matplot_lib_filename)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:./cosxsx.png]] : [1] 3.156
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.
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.
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~).
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
informations et les remplacer par votre document computationnel.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment