40:null 41:["$","title",null,{"children":"TP : Députés Actifs de l'Assemblée Nationale | stelmo37 | Observable"}] 47:T4e5,

Présentation des données

Nous avons a disposition des données concernant les députés siégeant actuellement à l'Assemblée Nationale (${Nb_total} Députés).
On retrouve les informations suivantes :

Sur l'identité du député : civilité, nom, prénom, âge, métier...
Sur son mandat et son groupe parlementaire : le nom du département dans lequel il est député, date de prise de fonction, groupe...
Sur ses réseaux sociaux / site internet.
Sur ses scores de participation à des scrutins : pourcentage de participation total, à des séances pour lesquelles il est spécialisé ou intéressé, où le vote du député correspond aux idées de son groupe...

Les données sont mises à jour quotidiennement (date de dernière mise à jour : ${date_maj_data}) et sont sous licence ouverte / open licence.
Les données proviennent de data.gouv.fr : https://www.data.gouv.fr/fr/datasets/deputes-actifs-de-lassemblee-nationale-informations-et-statistiques/

${datagouv}

48:T13b3,// Création d'un tableau contenant les variables que l'on utilisera par la suite : dataanalyse = { // Le résultat à créer : const r = []; // On récupère les IDs : const ids = [... new Set(deputes.map(d => d.id))]; // Pour chaque ID : ids.forEach ((i) => { // On récupère les variables que l'on souhaite : const civ = deputes.filter(d => d.id === i).map(d => d.civ); const nom = deputes.filter(d => d.id === i).map(d => d.nom); const prenom = deputes.filter(d => d.id === i).map(d => d.prenom); const villeNaissance = deputes.filter(d => d.id === i).map(d => d.villeNaissance); const naissance = deputes.filter(d => d.id === i).map(d => d.naissance); const groupe = deputes.filter(d => d.id === i).map(d => d.groupe); const groupeAbrev = deputes.filter(d => d.id === i).map(d => d.groupeAbrev); const departementNom = deputes.filter(d => d.id === i).map(d => d.departementNom); const departementCode = deputes.filter(d => d.id === i).map(d => d.departementCode); const circo = deputes.filter(d => d.id === i).map(d => d.circo); const datePriseFonction = deputes.filter(d => d.id === i).map(d => d.datePriseFonction); const job = deputes.filter(d => d.id === i).map(d => d.job); const nombreMandats = deputes.filter(d => d.id === i).map(d => +d.nombreMandats); // Changement de type : variable texte en numérique. const scoreParticipation = deputes.filter(d => d.id === i).map(d => +d.scoreParticipation); const scoreSpecialite = deputes.filter(d => d.id === i).map(d => +d.scoreParticipationSpecialite); const scoreLoyaute = deputes.filter(d => d.id === i).map(d => +d.scoreLoyaute); const scoreMajorite = deputes.filter(d => d.id === i).map(d => +d.scoreMajorite); const dateMaj = deputes.filter(d => d.id === i).map(d => d.dateMaj); const age = deputes.filter(d => d.id === i).map(d => +d.age); // Création de classes d'age : const age2 = deputes.find(d => d.id === i).age; let classeAge; if (age2 < 20) { classeAge = "1. Moins de 20 ans"; } else if (age2 >= 20 && age2 < 30) { classeAge = "2. 20-29 ans"; } else if (age2 >= 30 && age2 < 40) { classeAge = "3. 30-39 ans"; } else if (age2 >= 40 && age2 < 50) { classeAge = "4. 40-49 ans"; } else if (age2 >= 50 && age2 < 60) { classeAge = "5. 50-59 ans"; } else if (age2 >= 60 && age2 < 70) { classeAge = "6. 60-79 ans"; } else if (age2 >= 70 && age2 < 80) { classeAge = "7. 70-79 ans"; } else if (age2 >= 80 && age2 < 90) { classeAge = "8. 80-89 ans"; } else if (age2 >= 90) { classeAge = "9. 90 ans ou plus"; } else { classeAge = null; } // Recodage de la variable civilité en genre : const civ2 = deputes.find(d => d.id === i).civ; let genre; if (civ == "M.") { genre = "Homme"; } else if (civ == "Mme") { genre = "Femme"; } else { genre = "Autre"; } // Expérience : const experienceDepute = deputes.find(d => d.id === i).experienceDepute; // Conversion en année(s) : let expe; if (experienceDepute.includes("an")) { expe = +experienceDepute.replace('ans', ''); } else if (experienceDepute.includes("mois")) { expe = +experienceDepute.replace('mois', '')/12; } else if (experienceDepute.includes("jours")) { expe = +experienceDepute.replace('jours', '')/365; } // Regroupement en classe : let classeexpe; if (expe < 1) { classeexpe = "1. Moins de 1 an"; } else if (expe >= 1 && expe < 5) { classeexpe = "2. 1-4 ans"; } else if (expe >= 5 && age < 10) { classeexpe = "3. 5-9 ans"; } else if (expe >= 10 && expe < 15) { classeexpe = "4. 10-14 ans"; } else if (expe >= 15 && expe < 20) { classeexpe = "5. 15-19 ans"; } else if (expe >= 20) { classeexpe = "6. Plus de 20 ans"; } else { classeexpe = null; // concerne plus de 200 données. } // Sorties : r.push({ id : i, Genre : genre, Prénom : prenom[0], VilleNaissance : villeNaissance[0], Naissance : new Date(naissance[0]), // Changement de type : variable texte en date. Age : age[0], ClasseAge : classeAge, Groupe : groupe[0], GroupeAbrev : groupeAbrev[0], DepartementNom : departementNom[0], DepartementCode : departementCode[0], Circo : circo[0], DatePriseFonction : new Date(datePriseFonction[0]), Job : job[0], NombreMandats : nombreMandats[0], ExperienceDepute : expe, ClasseExperienceDepute : classeexpe, ScoreParticipation : scoreParticipation[0], ScoreSpecialite : scoreSpecialite[0], ScoreLoyaute : scoreLoyaute[0], ScoreMajorite : scoreMajorite[0], dateMaj : new Date(dateMaj[0]), }) }) return r } 49:Ta25,{//Construction de la carte : // Fond : const container = yield htl.html`

`; // On centre : const map = L.map(container).setView([46.603354, 1.888334], 6); // On utilise le fichier franceMetropEtDom2022.json la forme des départements, on a calulé nb_par_departement en amont et on a une variable qui associe le code couleur à chaque groupe : const layer = L.geoJSON(franceMetropEtDom2022, { style: (feature) => { const departement = feature.properties.LIBGEO.toLowerCase(); // Le .toLowerCase() permet d'harmoniser les écritures. const groupeInfo = nb_par_departement.find((info) => info.departement.toLowerCase() === departement); if (groupeInfo) { const color = couleursGroupe[groupeInfo.groupe]; return { fillColor: color, fillOpacity: 0.7, color: 'black', weight: 1 }; } // On sécurise si le département n'est pas trouvé, on le colorie en blanc : return { fillColor: 'white', fillOpacity: 0.7, color: 'black', weight: 1 }; }, onEachFeature: (feature, layer) => { const departement = feature.properties.LIBGEO.toLowerCase(); const groupeInfo = nb_par_departement.find((info) => info.departement.toLowerCase() === departement); if (groupeInfo) { // On créé le contenu de l'info-bulle avec le département et le groupe const tooltipContent = `Département: ${departement}
Groupe: ${groupeInfo.groupe}`; layer.bindTooltip(tooltipContent, { permanent: false, direction: 'center', className: 'label' }); // Affichage de l'info-bulle au survol : layer.on('mouseover', function () { this.openTooltip(); }); layer.on('mouseout', function () { this.closeTooltip(); }); } } }).addTo(map); // On centre la vue sur les données : map.fitBounds(layer.getBounds(), { maxZoom: 10 }); // On ajoute une légende : const legend = L.control({ position: 'topright' }); legend.onAdd = function (map) { const div = L.DomUtil.create('div', 'legend'); const labels = []; // Titre de la légende : labels.push('

Légende :

'); // Contenu de la légende : for (const groupe in couleursGroupe) { labels.push( `

${groupe}` ); } div.innerHTML = labels.join('
'); return div; }; legend.addTo(map); }4a:[{"id":"7fa30f62b898e08523b5afc5852834fdad21d12015926cadef9d9e591f363c05939a00fda4acbc29795b891a77fb0102192ac2798876b0a45fe709679585a21a","href":"https://static.observableusercontent.com/files/7fa30f62b898e08523b5afc5852834fdad21d12015926cadef9d9e591f363c05939a00fda4acbc29795b891a77fb0102192ac2798876b0a45fe709679585a21a","name":"france-metrop-et-dom-2022.geojson","type":"application/geo+json","lastModified":1700139020355.332,"size":1149337},{"id":"180959f2bf6687cee8ed53d4fea23a5d15bc2cb188b576ec261c65a1636381310d127ee43fbf0d2daaf13203e5f8a4b2d324273f9261ea65a321d9becc36fb45","href":"https://static.observableusercontent.com/files/180959f2bf6687cee8ed53d4fea23a5d15bc2cb188b576ec261c65a1636381310d127ee43fbf0d2daaf13203e5f8a4b2d324273f9261ea65a321d9becc36fb45","name":"france-metrop-departements-from-voronoi-cog-2022.geojson","type":"application/geo+json","lastModified":1700139020355.332,"size":1080310},{"id":"3585e19913d7a4872517f2785e5dc86961705fe9a52df4ad68787b01ecc6653705948baea68d09db7e5fb212c5f661423914822b7962d885bee32dcab60acbdc","href":"https://static.observableusercontent.com/files/3585e19913d7a4872517f2785e5dc86961705fe9a52df4ad68787b01ecc6653705948baea68d09db7e5fb212c5f661423914822b7962d885bee32dcab60acbdc","name":"LOGO SD.png","type":"image/png","lastModified":1700139020355.332,"size":33827},{"id":"8e9b7fed4ed7b6a603e62a0e02fb36065ba3737494d4c6a5c4bcc11877ac55afe60d975c55d8db7dd55bf1ca01fd54457f543f52977d078b04a577b9de2315c7","href":"https://static.observableusercontent.com/files/8e9b7fed4ed7b6a603e62a0e02fb36065ba3737494d4c6a5c4bcc11877ac55afe60d975c55d8db7dd55bf1ca01fd54457f543f52977d078b04a577b9de2315c7","name":"datagouv.PNG","type":"image/png","lastModified":1700139020355.332,"size":90527},{"id":"f1cb75e7efcba2d2c9941f4f3187451843d43685dedc5a0f0d11a5b71cb5503d83a5e6d080dc71ae146fbe8038c882424eb8df9eaecaaf31ffa6809cd4a416c5","href":"https://static.observableusercontent.com/files/f1cb75e7efcba2d2c9941f4f3187451843d43685dedc5a0f0d11a5b71cb5503d83a5e6d080dc71ae146fbe8038c882424eb8df9eaecaaf31ffa6809cd4a416c5","name":"légende.png","type":"image/png","lastModified":1700139020355.332,"size":4788}] 45:{"id":"5d8f76dd1b168df1","slug":null,"title":"TP : Députés Actifs de l'Assemblée Nationale","thumbnail":"49e3b8e7b5c25c76853ac31b4ed41e895e2facb91573182f4e68e995d0ccb899","access_level":"public","create_time":"$D2023-11-16T12:50:20.355Z","update_time":"$D2023-11-16T12:50:20.355Z","view_time":null,"first_public_time":"$D2023-11-16T12:50:20.355Z","has_unpublished_edits":null,"fork":{"id":"c1e253fd5a7fc1f4","slug":null,"title":"TP : Députés Actifs de l'Assemblée Nationale","owner":{"id":"fcae29e32f0626b5","login":"tropel2-ws","name":"tropel's Workspace"}},"stars":0,"starred":false,"owner":{"type":"team","id":"a2c243343b75e56e","login":"stelmo37","name":"stelmo37","avatar_url":"https://avatars-next.observableusercontent.com/61a57650334f01fd318bdac8b8b578a3ff557d505719213f03aaf4afc720d17b","tier":"starter_2024","bio":"","following":false},"version":2155,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"7be0a1a159be07ac","login":"stelmo37","name":"stelmo37","avatar_url":"https://avatars-next.observableusercontent.com/61a57650334f01fd318bdac8b8b578a3ff557d505719213f03aaf4afc720d17b","tier":null,"bio":"","following":false}],"members":[{"type":"individual","id":"7be0a1a159be07ac","login":"stelmo37","name":"stelmo37","avatar_url":"https://avatars-next.observableusercontent.com/61a57650334f01fd318bdac8b8b578a3ff557d505719213f03aaf4afc720d17b","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"titling":"auto","title":"TP : Députés Actifs de l'Assemblée Nationale","cells":[{"id":0,"value":"

TP : Députés Actifs de l'Assemblée Nationale

\n\n

\n RES 5.VCOD.07 Programmation web pour la visualisation. \n
\n Groupe VCOD, BUT Science des Données, IUT 2 de Grenoble. \n

\n Gomes Pedro et Tropel Célia.\n

\n\n

\n ${logo}\n

Chargement des données

Représentation sous forme de tableau des données :

Nettoyage des données

\n Les données provenant d'une source de données fiable, nous n'avons pas observé de valeurs aberrantes. Dans cette partie nous avons sélectionné les variables que nous souhaitons pour l'analyse. Puis nous avons recodé certaines : en les regroupant en classes ou en changeant des modalités, par exemple : \"M.\" en \"Homme\".\n
\n
\n Voici le code associé : \n

\n Voici les données représentées sous forme de tableau :\n

Partie I : Résumé univarié, description du profil des députés

\n
\n

Résumé élémentaire des variables quantitatives

\n
\n

\n Voici un résumé élémentaire des variables Age, Expérience et Nombre de Mandats contenant : la moyenne, le minimum et le maximum de chaque variable. L'objectif est d'obtenir une vue d'ensemble grâce aux chiffres clés.\n
\n
\n Résumé des statistiques élémentaires :\n

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":753,"value":"\n| Variable | Moyenne | Minimum | Maximum |\n| --------- | --------- | --------- | --------- |\n| Age | `${Statistiques_Age.get(\"moyenne\")}` | `${Statistiques_Age.get(\"minimum\")}` | `${Statistiques_Age.get(\"maximum\")}` |\n| Expérience en année(s) | `${Statistiques_Experience.get(\"moyenne\")}` | `${Statistiques_Experience.get(\"minimum\")}` | `${Statistiques_Experience.get(\"maximum\")}` |\n| Nombre de Mandat(s) | `${Statistiques_NombreMandats.get(\"moyenne\")}` | `${Statistiques_NombreMandats.get(\"minimum\")}` | `${Statistiques_NombreMandats.get(\"maximum\")}` |","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":1604,"value":"
\n

Les limites :

\n Nous n'avons pas pu automatiser à l'aide d'une fonction la création des variables Statistiques qui auraient pu prendre en entrée la variable et sortir la moyenne, le minimum et le maximum de la variable.\n

B - Représentation graphique

\n
\n

L'objectif de cette partie est d'observer le nombre de députés suivant une variable sélectionnée : la classe d'âge, le genre, le groupe ou encore la classe d'expérience du député. On retrouve les informations sous forme de tableau permettant de visualiser toutes les valeurs rapidement et le graphique pour un rendu plus visuel. Pour chaque graphique, on retrouve le nombre de valeurs concernées par celui-ci et une phrase de commentaire associée.

\n Pour la variable : ${choix}, nous avons ${Nb_députés} valeurs renseignées (non nulles) sur un total de ${Nb_total} députés.\n
\n
\n Représentation sous forme de tableau des données suivant la sélection : \n

\n Représentation sous forme graphique des données suivant la sélection :\n

Limites

\n Afin de concerver l'ordre logique des valeurs, nous avons ajouté \"1.\", \"2.\" etc au début des regroupements en classes. D'autre part, nous avons choisi de présenter un tableau et un graphique pour faciliter la visualisation, si le graphique était seul, il aurait été préférable d'avoir la valeur de chaque barre affichée en haut de celle-ci plutôt que les info-bulles. \n

\n
\n
\n

C - Cartographie

\n Nous souhaitons observer ici quel est le groupe le plus représenté pour chaque département. On affiche donc le département avec la couleur du groupe politique partagé par le plus de députés au sein du département. \n

Limites

\n La principale limite concerne la légende associée à la carte faite \"manuellement\" ce qui fait que lorsqu'on fait un gros zoom la légende peut parfois se retrouver par dessus la carte ce qui rend la légende pas très visible. Nous avons tout de même décidé de garder la légende puisque cela améliorait la compréhension de la carte.\n

Partie II : Analyse bivariée, répartition des scores de participation

\n
\n

A - Résumé élémentaire des variables scores

\n
\n

L'objectif de ce tableau (résumé des statistiques élémentaires) est de visualiser les chiffres clés des variables scores : de participation, de loyauté, de spécialité et de majorité.

Limites

Pour ce tableau les valeurs des moyennes et du minimum sont intéressantes, celle du maximum l'est moins. Comme pour le premier tableau pour pousser l'automatisation du tableau, il faudrait une fonction qui créé les statistiques pour une variable donnée.

B - Représentation graphique

\n Du point de vue des visuels de la partie analyse bivariée, nous avons orienté l'analyse par groupe politique et par score de participation. Il est possible de sélectionner le score souhaité : score de participation, score de majorité, score de loyauté et score de spécialité. On retrouve ici deux graphiques : \n

\n Un boxplot permettant la dispersion de la variable suivant le groupe : écart interquartile, premier quartile, le deuxième quartile / médiane, le troisième quartile et les valeurs extrêmes. Il est intérréssant de comparer entre les groupes la distribution des données en observant les différences de \"boîtes\".\n
\n Un diagramme en barres représentant la moyenne du score sélectionné par groupes. Cela permet d'identifier les disparités entre les groupes du point de vue des scores. \n

\n
","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":803,"value":"// Création d'une liste déroulante contant les variables scores pour l'analyse bivariée. \nviewof variable_Bivar = Inputs.select(\n liste_variables,\n { label: \"Sélectionner la variable à observer\" }\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":503,"value":"// Création d'un boxplot\nPlot.plot({\n // Ajout de style : \n style: {\n backgroundColor: \"#f2f2f2\",\n margin: \"auto\"\n },\n // Le titre change suivant la variable séléectionnée : \n title: `Boxplot de la variable ${variable_Bivar} par groupe`,\n marginLeft: 100,\n marks: [\n Plot.ruleX({ stroke: 'grey', strokeDasharray: '5 20', strokeWidth: 0.5 }),\n Plot.boxX(dataanalyse, {\n x: `${variable_Bivar}`,\n y: \"GroupeAbrev\",\n sort: { x: \"y\" }, // les données sont présentées dans l'ordre alphabétique du groupe\n fill: \"lightblue\",\n }),\n ]\n});\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1849,"value":"
\n

Limites

Le boxplot est un type de graphique très complet pour une analyse, comme dit précédément on retrouve les trois premiers quantiles, l'écart interquartile et il permet d'identifier des valeurs extrèmes ou abérante. Néanmoins ce type de graphique n'est pas facile a comprendre au permier abord, dans le cas d'une personne qui ne le connait pas.

\n
","pinned":true,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":545,"value":"/\nPlot.plot({\n // Ajout du style : \n style: {\n backgroundColor: \"#f2f2f2\",\n margin: \"auto\",\n },\n // Le titre change suivant la variable sélectionnée :\n title : `Diagramme en Barres de la variable ${variable_Bivar} par groupe`,\n marks: [\n Plot.barY(\n moyenne_par_variable,\n {\n x: \"GroupeAbrev\",\n y: \"Moyenne\",\n sort: { y: \"x\", reverse: true }, // Les données sont présenté e dans l'odsuivant l'odre ardre alpahabétique de u groupe.\n // Ajout desAjout des couleurs ''() : \n fill: [\"#ff9900\", \"#00c000\", \"#ff0000\", \"#0001b8\", \"#cc2443\", \"#e1a5e1\", \"#0066cc\", \"#dddddd\", \"#ffeb00\", \"#0d378a\", \"#ff8080\"],\n /\n tip: true, :\n },\n ),\n Plot.ruleY([0]),\n ],\n});\n","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1855,"value":"

Limites

\n Pour améliorer ce graphique, nous aurions aimé pouvoir afficher en info-bulles seulement la variable groupe et la valeur de la moyenne associée. Dans notre cas, on retrouve aussi le code couleur du groupe (\"fill\").\n
\n Lors de la lecture du graphique il est important de regarder la valeur de l'échelle des ordonnées, pour éviter toute confusion. \n

Conclusion

Informations supplémentaires

\n Voici la répartition actuelle des députés siégeant à l'Assemblée Nationale Française, cette image provient du site Wikipédia.\n
\n Nous avons utilisé les couleurs de cette image pour représenter les groupes dans notre analyse bivariée.\n
\n

\n ${hémicycle}\n

\n ${légende}\n

\n Signification des abréviations : \n

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":1924,"value":"Inputs.table(InfoGroupe)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1658,"value":"
\n

Codes

Style

Présentation des données

Partie I : Résumé univarié, description du profil des députés

\n
\n

Résumé élémentaire des variables quantitatives

\n
\n

Création du tableau :

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":765,"value":"Statistiques_Age = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.Age).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.Age).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.Age).toFixed(2)]])\n// Pour harmoniser la présentation de chaque valeur (moyenne, minimum et maximum) a 2 décimales. ","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":780,"value":"Statistiques_Experience = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ExperienceDepute).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ExperienceDepute).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ExperienceDepute).toFixed(2)]])","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":952,"value":"Statistiques_NombreMandats = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.NombreMandats).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.NombreMandats).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.NombreMandats).toFixed(2)]])","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1746,"value":"
\n

B - Représentation graphique

\n
","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":323,"value":"// Création d'une liste contenant le nom des variables que l'on souhaite analyser en univarié.\nvariables = [\"ClasseAge\", \"Genre\", \"GroupeAbrev\", \"ClasseExperienceDepute\"]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":315,"value":"// Table des modalités possibles de la variable sélectionnée. \nmodalites = Array.from(new Set(dataanalyse.filter(d => d[`${choix}`] != null).map(d => d[`${choix}`]))).sort();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":339,"value":"// Tableau contenant les modalités et le nombre de députés associé. \nnb_par_choix = {\n const r = [];\n modalites.forEach((m) =>{\n const nb = dataanalyse.filter(d => d[`${choix}`] === m).length;\n r.push({\n [`${choix}`]: m,\n Nb_Députés : nb,\n }); \n })\n return r;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1611,"value":"Nb_députés = d3.sum(nb_par_choix.map(d => d.Nb_Députés))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":353,"value":"// Liste des commentaires par variables.\ncommentaires = new Map([[\"GroupeAbrev\",\"Ce graphique permet d'observer la répartition des députés par groupes / partis. Cette variable sera utilisée par la suite pour ségmenter nos données.\"],\n [\"Genre\", \"Ce graphique nous permet de voir que nous avons une plus grande proportion d'hommes que de femmes et aucun autre genre (ou indéfini).\"],\n [\"ClasseAge\", \"Nous pouvons observer une forme gaussienne dans les données, une minorité des personnes a une glasse d'age présente aux extrémités et la plupart des personnes ont entre 30 et 79 ans.\"],\n [\"ClasseExperienceDepute\", \"Ce graphique est a nuancé, car nous avons peu de valeurs non nulles.On observe que l'expérience des députés est plutôt hétérogène.\"]])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1910,"value":"
\n

C - Cartographie

\n
","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":1123,"value":"franceMetropEtDom2022 = FileAttachment(\"france-metrop-et-dom-2022.geojson\").json()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1209,"value":"département = Array.from(new Set(dataanalyse.map(d => d.DepartementNom))).sort();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1584,"value":"couleurs = [\n \"#ff9900\", \"#00c000\", \"#ff0000\", \"#0001b8\", \"#cc2443\",\n \"#e1a5e1\", \"#0066cc\", \"#dddddd\", \"#ffeb00\", \"#0d378a\", \"#ff8080\"\n];","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1531,"value":"Groupe = Array.from(new Set(dataanalyse.map(d => d.Groupe))).sort();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1634,"value":"couleursGroupe = Object.fromEntries(Groupe.map((groupe, index) => [groupe, couleurs[index]]));","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1204,"value":"nb_par_departement = { \nconst r = [];\n\n département.forEach((d) => {\n // Filtrer les données pour le département actuel\n const dataDepartement = dataanalyse.filter((item) => item.DepartementNom === d);\n\n // Compter le nombre d'occurrences de chaque groupe\n const countByGroupe = Groupe.reduce((acc, g) => {\n acc[g] = dataDepartement.filter((item) => item.Groupe === g).length;\n return acc;\n }, {});\n\n // Trouver le groupe avec le nombre d'occurrences le plus élevé\n const groupeMajoritaire = Object.keys(countByGroupe).reduce((a, b) => (countByGroupe[a] > countByGroupe[b] ? a : b));\n\n // Ajouter seulement le groupe majoritaire au tableau final\n const nbMajoritaire = countByGroupe[groupeMajoritaire];\n r.push({\n departement: d,\n groupe: groupeMajoritaire,\n nb_individus: nbMajoritaire,\n });\n });\n\n return r;\n};\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1554,"value":"function getCenterCoordinates(polygonCoordinates) {\n const flattenCoordinates = polygonCoordinates.flat();\n const sumLat = flattenCoordinates.filter((coord, index) => index % 2 === 0).reduce((acc, val) => acc + val, 0);\n const sumLng = flattenCoordinates.filter((coord, index) => index % 2 !== 0).reduce((acc, val) => acc + val, 0);\n\n const centerLat = sumLat / (flattenCoordinates.length / 2);\n const centerLng = sumLng / (flattenCoordinates.length / 2);\n\n return [centerLat, centerLng];\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1771,"value":"
\n

Partie II : Analyse bivariée, répartition des scores de participation

\n
\n

A - Résumé élémentaire des variables scores

\n
\n

Création du tableau (résumé élémentaire) :

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":1024,"value":"Statistiques_ScoreParticipation = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreParticipation).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreParticipation).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreParticipation).toFixed(2)]])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":999,"value":"Statistiques_majotité = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreMajorite).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreMajorite).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreMajorite).toFixed(2)]])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1001,"value":"Statistiques_spécialité = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreSpecialite).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreSpecialite).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreSpecialite).toFixed(2)]])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":892,"value":"Statistiques_loyauté = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreLoyaute).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreLoyaute).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreLoyaute).toFixed(2)]])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1813,"value":"

B - Représentation graphique

Informations supplémentaires

Illustrations

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":422,"value":"logo = {\n const logoSd = new Image();\n logoSd.src = URL.createObjectURL(await FileAttachment(\"LOGO SD.png\").blob());\n logoSd.width = 480; // specify your desired width\n logoSd.height = 100; // specify your desired height\n return logoSd\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":474,"value":"datagouv = {\n const datagouv= new Image();\n datagouv.src = URL.createObjectURL(await FileAttachment(\"datagouv.PNG\").blob());\n datagouv.width = 850; // specify your desired width\n datagouv.height = 700; // specify your desired height\n return datagouv\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1169,"value":"hémicycle = {\n const hémicycle= new Image();\n hémicycle.src = \"https://upload.wikimedia.org/wikipedia/commons/1/10/XVIe_l%C3%A9gislature.svg\";\n hémicycle.width = 500; // specify your desired width\n hémicycle.height = 280; // specify your desired height\n hémicycle\n return hémicycle\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1448,"value":"légende = {\n const légende= new Image();\n légende.src = URL.createObjectURL(await FileAttachment(\"légende.png\").blob());\n légende.width = 150; // specify your desired width\n légende.height = 300; // specify your desired height\n return légende\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W4a","stdlib":"1"}} 46:"$45:body"