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.
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/)
Pour les détails n'hésité pas à consulter les documentations de [matplotlib.pyplot](https://matplotlib.org/), [pandas](https://pandas.pydata.org) et de [isoweek](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."
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."
En plus, d'avoir localisé les valeurs des différents pays, celles-ci on étaient regroupées dans un dataframe nommé "selected_data".
En plus, d'avoir localisé les valeurs des différents pays, celles-ci ont été regroupées dans un dataframe nommé "selected_data" à l'aide de la fonction ``DataFrame()``.
Les fonctions ``reset_index()`` et ``.rename()`` quant à elles permettent de pouvoir classer toutes ces valeurs en fonction de la date à laquelle elles correspondent.
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."
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."
Il ne reste plus qu'à tracer les différentes données que vous souhaitez.
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 :
Dans un premier temps vous allez tracer les données de chaque pays en fonction de la date à l'aide de la fonction ``.plot()``. Pour cela, utilisez le code suivant :
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."
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."
A présent, tracez les données totales de tous ces pays en échelle linéaire, mais aussi en échelle logarithmique.
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 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 passer en échelle logarithmique, il suffit d'ajouter la commande ``plt.yscale('log')``.
Pour effectuer tout cela, utilisez le code suivant :
Pour effectuer tout cela, utilisez le code suivant :
