Update Readme.md

journal/Readme.md

@@ -138,7 +138,7 @@ De plus, j'ai corrigé deux documents effectués par deux autres personnes réal
 Cet exercice a pour but de donner toute la démarche pour que n'importe qui puisse reproduire le document computationnel de l'exercice 03-3 : [Autour du SARS-CoV-2 (Covid-19)](https://app-learninglab.inria.fr/moocrr/gitlab/f3525de4a1a18e7596f7a06bd19c9fc1/mooc-rr/blob/master/module3/exo3/exercice.pdf).
 
 Un document computationnel est un document séparé en plusieurs parties, à savoir des parties de texte en langage de balisage markdown et des parties de code en langage python. 
-Pour avoir plus d'information sur la manière d'écrire en markdown se référer aux explications données sur les exercices ci-dessus.
+Pour avoir plus d'information sur la manière d'écrire en markdown, se référer aux explications données sur les exercices ci-dessus.
 
 Tout d'abord, ouvrez un document Jupyter.
 
@@ -189,7 +189,7 @@ import pandas as pd
 import isoweek
 ```
 
-Le but de cet exercice étant de reproduire le document computationnel et non d'apprendre à écrire en langage python, les passages de codes seront donnés sans détails de fonctionnement.
+Le but de cet exercice étant de reproduire le document computationnel et non d'apprendre à écrire en langage python, les passages de codes seront donnés dans les grandes lignes.
 Pour les détails n'hésité pas à consulter les documentations de ``matplotlib.pyplot`` [ici](https://matplotlib.org/), ``pandas`` [ici](https://pandas.pydata.org) et de ``isoweek`` [ici](https://pypi.org/project/isoweek/)
 
 MARKDOWN : "Pour ne pas avoir de problème de modification de données entre temps j'enregistre les données localement. Ces données n'évolueront donc pas ce qui évitera des problèmes par la suite. En revanche, la date la plus récentes est le 14/10/2022, date de la sauvegarde local."
@@ -277,9 +277,12 @@ selected_data = selected_data.rename(columns={'index': 'Date'})
 # display(selected_data)
 ```
 
+En plus, d'avoir localisé les valeurs des différents pays, celles-ci on étaient regroupées dans un dataframe nommé "selected_data".
+
 MARKDOWN : "Un fois nos données regroupées dans le DataFrame `selected_data`, je vais alors pouvoir les tracer avec la fonction `.plot()` de la bibliothèque Pandas."
 
-Vos données étant stockées dans la dataframe nommée "frame", il ne reste plus qu'à tracer les données de chaque pays en fonction de la date. Pour cela, utilisez le code suivant :
+Il ne reste plus qu'à tracer les différentes données que vous souhaitez. 
+Dans un premier temps vous allez tracer les données de chaque pays en fonction de la date. Pour cela, utilisez le code suivant :
 
 ```
 colors = ['black',
@@ -322,7 +325,10 @@ plt.grid(which='both', linestyle='--')
 
 MARKDOWN : "Nous avons donc un graphique représentant le nombre de cas de Covid-19 en fonction de la date et du pays. Nous allons maintenant refaire ce graphique avec toutes les données de chaque pays selectionné cumulées."
 
-Pour finir, tracez les données totales de tous ces pays en échelle linéaire, mais aussi en échelle logarithmique. Pour cela, utilisez le code suivant :
+A présent, tracez les données totales de tous ces pays en échelle linéaire, mais aussi en échelle logarithmique. 
+Pour cela, il est tout d'abord nécessaire d'additionner tous les cas de Covid 19 de chaque pays et de les tracer avec la fonction ``.plot``.
+Pour passer en échelle logarithmique, il suffit d'ajouter la commande ``plt.yscale('log')``.
+Pour effectuer tout cela, utilisez le code suivant :
 
 ```
 selected_data['Total'] = selected_data['Belgium'] + selected_data['China'] + selected_data['France'] + selected_data['Germany'] + selected_data['Hong Kong'] + selected_data['Iran'] + selected_data['Italy'] + selected_data['Japan'] + selected_data['Korea, South'] + selected_data['Netherlands'] + selected_data['Portugal'] + selected_data['Spain'] + selected_data['US'] + selected_data['United Kingdom']