From bd359dc69321112eb1763f1485d0761ed0918123 Mon Sep 17 00:00:00 2001
From: ed435f6a909b1fd3609dea7d18b29ad4
 <ed435f6a909b1fd3609dea7d18b29ad4@app-learninglab.inria.fr>
Date: Wed, 6 Aug 2025 10:34:13 +0000
Subject: [PATCH] Update exercice_fr.Rmd

---
 module2/exo4/exercice_fr.Rmd | 69 ++++++++++++++++++++++++++----------
 1 file changed, 51 insertions(+), 18 deletions(-)

diff --git a/module2/exo4/exercice_fr.Rmd b/module2/exo4/exercice_fr.Rmd
index 7eece5e..880ecc1 100644
--- a/module2/exo4/exercice_fr.Rmd
+++ b/module2/exo4/exercice_fr.Rmd
@@ -1,33 +1,66 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: "Exercice 02-04"
+author: "Sara Barriga"
+date: "07/08/2025"
 output: html_document
 ---
 
+**Celle-ci est une tentative d'exploiter mes données d'UV**
 
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
-```
+```{r, echo = FALSE}
 
-## Quelques explications
+# Activer les library necessaires
+library(readr)
 
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
+# Stocker les données dans une variable
+df <- read_csv("P161_3mm.csv", skip = 1, col_names = FALSE)
 
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
+# Nommer les colonnes
+colnames(df) <- c("Temperature_H", "Absorbance_H", "Temperature_C", "Absorbance_C")
 
-```{r cars}
-summary(cars)
-```
+# Enlever les headliners
+df <- df[-1, ]
+
+# S'assurer que les colonnes sont lues comme character numerique
+df$Temperature_H <- as.numeric(df$Temperature_H)
+df$Absorbance_H<- as.numeric(df$Absorbance_H)
+df$Temperature_C <- as.numeric(df$Temperature_C)
+df$Absorbance_C <- as.numeric(df$Absorbance_C)
+
+# Calculer la transmittance avec l'equation: (10^(-Absorbance)) * 100
+df$Transmittance_H <- (10^(-df$Absorbance_H)) * 100
+df$Transmittance_C <- (10^(-df$Absorbance_C)) * 100
+
+# Re ordonner les colonnes
+df <- df[, c("Temperature_H", "Absorbance_H", "Transmittance_H", 
+             "Temperature_C", "Absorbance_C", "Transmittance_C")]
+
+# Observer les premieres 10 lignes pour verifier les resultats
+head(df, 10)
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+# Observer la structure des données
+str(df)
+
+# Sauvegarder les données
+write_csv(df, "processed_P161_data.csv")
 
-```{r pressure, echo=FALSE}
-plot(pressure)
 ```
 
-Vous remarquerez le paramètre `echo = FALSE` 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 utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
 
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
+```{r, echo = FALSE}
+
+# Graphiquer Transmittance
+
+df <- read_csv("processed_P161_data.csv")
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+# Graphique 1: Heating
+plot(df$Temperature_H, df$Transmittance_H, type = "b", 
+     col = "red", pch = 16, xlab = "Temperature (°C)",
+     ylab = "Transmittance (%)", main = "Temperature vs Transmittance")
+# Graphique 2: Cooling
+points(df$Temperature_C, df$Transmittance_C, type = "b", 
+       col = "blue", pch = 17)
+legend("topright", legend = c("Heating", "Cooling"),
+       col = c("red", "blue"), pch = c(16, 17), lty = 1)
+
+```
-- 
2.18.1