data = d3.csvParse(await FileAttachment("population-by-age.csv").text(), d3.autoType)
ensai = [{name: "Femme", value : 50},{name: "Homme", value : 100}]
calcul_angle = d3.pie()
.value(d => d.value)// On lui donne la variable à traiter, ici "value"
.sort(null) //Par défaut le tableau est trié mais on peut désactiver ce paramètre
arc = d3.arc()
.outerRadius(Math.min(width, height) / 2 - 1) // On prends un rayon = largeur/2 - 1
.innerRadius(0)
construction_angles = {
// Création de la fenêtre
const svg = d3.create("svg")
.attr("viewBox", [-width / 2, -height / 2, width, height]); // définition de la largueur et hauteur
// Appel à la fonction calcul_angle() de d3.pie() pour avoir le tableau avec les données et les angles
const angles = calcul_angle(ensai);
// On ajoute le cercle construit avec la fonction arc().
svg.append("g") // Creation de l'environnement
.selectAll("path") // selectAll + data + join permet de créer un "path" par ligne du tableau
.data(angles) //
.join("path") //
.attr("d", arc) // arc() fait ensuite tout le travail
return svg.node()
}
color = d3.scaleOrdinal()
.domain(data.map(d => d.name))
.range(d3.quantize(t => d3.interpolateSpectral(t * 0.8 + 0.1), data.length).reverse())
arcLabel = {
const radius = Math.min(width, height) / 2 * 0.8; // le rayon est calculé pour etre légèrement inférieur à celui du cercle
return d3.arc().innerRadius(radius).outerRadius(radius);
}
d3 = require("d3@6")
Purpose-built for displays of data
Observable is your go-to platform for exploring data and creating expressive data visualizations. Use reactive JavaScript notebooks for prototyping and a collaborative canvas for visual data exploration and dashboard creation.
