Mémoire de maîtrise de Valentine Desmorat (en cours) « L'entrée des femmes artistes dans la collection du Musée d'art contemporain, de 1964 à nos jours : analyse statistique et facteurs déterminants »
Co-créations avec Lena Krause
Public
Edited
Mar 14, 2023
dataSelecteur = {
var totalParCat = [];
console.log("initialisation", totalParCat)
const base = [
{ name: "donsArtistesFU", value:0},
{ name: "donsArtistesHU", value:0},
{ name: "donsArtistesMixtes", value:0},
{ name: "donsArtistesInconnus", value:0},
]
totalParCat = base.slice()
var total = 0;
var donneesConcernees = indexAnneesDons.filter(an => an.annee >= selecteurIntervalleTemps[0] && an.annee <= selecteurIntervalleTemps[1])
//filtrer pour garder les années concernées par l'intervalle du sélecteur
//cad plus grande ou égale à l'année de début ET plus petite ou égale à l'année de fin
console.log(donneesConcernees)
donneesConcernees.forEach(an => {
// pour chaque année concernée
colonnes.forEach(cat => {
// pour chaque catégorie de donation
totalParCat.forEach(totC => {
// on passe au travers de chaque catégorie existante
if (totC.name == cat){
//s'il existe déjà un object avec ce nom de catégorie
totC.value += an[cat]
//ajouter la valeur de l'année en cours
}
})
})
// comptabiliser la valeur au compteur total
total = total + an.donsTotal;
})
// retourne le résultat sans les valeurs vides, ainsi que le total
var resultat = [totalParCat.filter(d => d.value != 0), total]
return resultat
}
indexAnneesDons
indexAnneesDons
colonnes = ["donsArtistesFU", "donsArtistesHU", "donsArtistesMixtes", "donsArtistesInconnus"]
import {indexAnneesDons} from "d33c8e2011d9e807"
intervalleParDefaut = [1964, 2020]
import {jaune} from "d4e62b38e6ba0e9d"
import {noir} from "d4e62b38e6ba0e9d"
import {interval} from '@mootari/range-slider@1781'
import {bordeau} from "d4e62b38e6ba0e9d"
import {gris} from "d4e62b38e6ba0e9d"
d3 = require("d3@5")
One platform to build and deploy the best data apps
Experiment and prototype by building visualizations in live JavaScript notebooks. Collaborate with your team and decide which concepts to build out.
Use Observable Framework to build data apps locally. Use data loaders to build in any language or library, including Python, SQL, and R.
Seamlessly deploy to Observable. Test before you ship, use automatic deploy-on-commit, and ensure your projects are always up-to-date.