{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# Evolution des admissions Covid à l'hopital \n", "A partir de données ouvertes récupérées sur le site du gouvernement, on visualise de façon simple l'évolution de la pandémie de Covid." ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [], "source": [ "import numpy as np\n", "import matplotlib.pyplot as plt\n", "import pandas as pd\n", "%matplotlib inline" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Les données suivantes sont de l'open data, accessibles sur ce [site](https://www.data.gouv.fr/fr/datasets/donnees-hospitalieres-relatives-a-lepidemie-de-covid-19/). Par souci de simplicité, on n'a gardé que les données de __Paris__ , ce qui correspond à la colone _reg_ égale à 75 " ] }, { "cell_type": "code", "execution_count": 6, "metadata": { "scrolled": true }, "outputs": [], "source": [ "data = pd.read_csv('donnees-hospitalieres-classe-age-hebdo-covid19-2021-09-09-19h05_Paris.csv', sep=\";\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Le dataframe suivant comporte 4 colonnes:\n", "- _reg_ : region, ici toujours égale à 75\n", "- _Semaine_ : semaine de l'année, notée Année-S __X__ avec __X__ le numéro de la semaine\n", "- _cl_age90_ : tranche d'âge des individus\n", "- _NewAdmHospit_ : nombre de nouvelles admissions dans les hopitaux\n" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", " | reg | \n", "Semaine | \n", "cl_age90 | \n", "NewAdmHospit | \n", "
---|---|---|---|---|
0 | \n", "75 | \n", "2020-S09 | \n", "0 | \n", "0 | \n", "
1 | \n", "75 | \n", "2020-S10 | \n", "0 | \n", "7 | \n", "
2 | \n", "75 | \n", "2020-S11 | \n", "0 | \n", "41 | \n", "
3 | \n", "75 | \n", "2020-S12 | \n", "0 | \n", "214 | \n", "
4 | \n", "75 | \n", "2020-S13 | \n", "0 | \n", "583 | \n", "