Skip to content

Latest commit

 

History

History
66 lines (48 loc) · 5.99 KB

README_FR.md

File metadata and controls

66 lines (48 loc) · 5.99 KB
Raw

PyCoA version v2.0

Avril 2020 / Février 2021

UK flag English version / FR flag Version française

PyCoA (Python Covid Analysis) est un ensemble de code Python™ qui fournit :

  • un accès simple aux bases de données sur la Covid-19 ;
  • des outils pour représenter et analyser les données du Covid-19, comme des séries temporelles, des histogrammes ou des cartes.
Série temporelle (cumulative) Séries temporelles (G20)
Carte (OCDE) Histogramme

Cette analyse est pensée pour être accessible à des non-spécialistes : des lycéen·nes qui apprennent Python™, des étudiant·es, des journalistes scientifiques, voire même des chercheurs et chercheuses qui ne sont pas famillier·es avec l'extraction de données. Des analyses simples peuvent être directement effectuées, et des analyses plus poussées peuvent être produites par les personnes habituées à programmer en Python™. Comme exemple, après avoir installé PyCoA, les quelques lignes suivantes permettent de créer les figures en entête de cette courte documentation.

import coa.front as cf
# default database is JHU
cf.plot(option='sumall') # default is 'deaths', for all countries
cf.plot(where='g20') # managing region
cf.map(where='oecd',what='daily',when='01/02/2021',which='confirmed')

cf.setwhom('owid') # changing database
cf.hist(which='total_vaccinations') # default is for all countries

Depuis la version v2.0, PyCoA accède également à des données locales comme SPF ou OpenCovid19 pour la France, JHU-USA pour les États-Unis. Nous pouvons allons obtenir des graphes comme ci-après.

Données SPF Données JHU-USA 
cf.setwhom('spf') # Santé Publique France database
cf.map(which='tot_vacc',tile='esri') # Vaccinations, map view optional tile 

cf.setwhom('jhu-usa') # JHU USA database
cf.map(visu='folium') # deaths, map view with folium visualization output

PyCoA fonctionne actuellement au sein de notebooks Jupyter, que l'installation soit locale ou bien sur des plateformes en ligne comme Google Colab.

Un code de démonstration simple est accesible comme sous forme d'un notebook sur GitHub logo GitHub, sur Google colab logo Google Colab, ou sur NbViewer logo Jupyter NbViewer. D'autres notebooks sont fournis via notre page coabook.

La documentation complète se trouve sur le Wiki.

Auteurs

Contact