40:null 41:["$","title",null,{"children":"TP : Députés Actifs de l'Assemblée Nationale | tropel's Workspace | Observable"}] 47:T4f7,

Présentation des données

Nous avons a disposition des données concernant les députés siégeant actuellement à l'Assemblée Nationale Française (${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:T109e,// 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 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 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, Age : age[0], ClasseAge : classeAge, Groupe : groupe[0], GroupeAbrev : groupeAbrev[0], DepartementNom : departementNom[0], DepartementCode : departementCode[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:Ta31,{//Construction de la carte : // Fond : const container = yield htl.html`

`; // On centre : const map = L.map(container, { minZoom: 5, maxZoom: 10 }).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()); // 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:T49c,

B - Représentation graphique

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 :

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 intéressant de comparer entre les groupes la distribution des données en observant les différences de "boîtes".
Un graphique type nuage de points représentant la moyenne du score sélectionné par groupe. Cela permet d'identifier les disparités entre les groupes du point de vue des scores.

4b:T578,// Création d'un boxplot Plot.plot({ // Ajout de style : style: { backgroundColor: "#f2f2f2", margin: "auto" }, // Le titre change suivant la variable sélectionnée : title: `Boxplot de la variable ${variable_Bivar} par groupe`, marginLeft: 100, marks: [ Plot.ruleX({ stroke: 'grey', strokeDasharray: '5 20', strokeWidth: 0.5 }), Plot.boxX(dataanalyse, { x: `${variable_Bivar}`, y: "GroupeAbrev", sort: { x: "y" }, // les données sont présentées dans l'ordre alphabétique du groupe fill: d => { if (d.GroupeAbrev === "GDR-NUPES") { return "red"; } else if (d.GroupeAbrev === "LFI-NUPES") { return "darkred"; } else if (d.GroupeAbrev === "ECOLO") { return "green"; } else if (d.GroupeAbrev === "SOC-A") { return "pink"; } else if (d.GroupeAbrev === "RE") { return "yellow"; } else if (d.GroupeAbrev === "DEM") { return "orange"; } else if (d.GroupeAbrev === "HOR") { return "darkblue"; } else if (d.GroupeAbrev === "LIOT") { return "lightpink"; } else if (d.GroupeAbrev === "LR") { return "lightblue"; } else if (d.GroupeAbrev === "RN") { return "navy"; } else if (d.GroupeAbrev === "NI") { return "gray"; } }, }), ], }); 4c:T439,// Liste des commentaires par variable. commentaires2 = new Map([["ScoreParticipation","On observe du point de vue des moyennes que les députés participent à moins de 50 % des votes. De plus ce taux moyen diminue à près de 15 % pour certains groupes politiques."], ["ScoreSpecialite", "On observe des valeurs proches de 50 %, certains taux moyens de participation sont plus bas, ils s'expliquent en grande partie par le faible nombre de personnes concernées."], ["ScoreLoyaute", "Le score de loyauté est en grande majorité très élevé, atteignant plus de 80 %. Pour le parti SOC-A, nous avons pour cette variable que des valeurs à 0, il est impossible de savoir si cela est une erreur ou non. La source des données étant fiable, nous avons fait le choix de conserver ces données. "], ["ScoreMajorite", "Pour le score de majorité, on peut observer que les parties proches de la majorité ont un score moyen de plus de 90 %. Certains partis ont tendance à voter contre des idées de la majorité. "]])4d:[{"id":"3585e19913d7a4872517f2785e5dc86961705fe9a52df4ad68787b01ecc6653705948baea68d09db7e5fb212c5f661423914822b7962d885bee32dcab60acbdc","href":"https://static.observableusercontent.com/files/3585e19913d7a4872517f2785e5dc86961705fe9a52df4ad68787b01ecc6653705948baea68d09db7e5fb212c5f661423914822b7962d885bee32dcab60acbdc","name":"LOGO SD.png","type":"image/png","lastModified":1696860438668.586,"size":33827},{"id":"8e9b7fed4ed7b6a603e62a0e02fb36065ba3737494d4c6a5c4bcc11877ac55afe60d975c55d8db7dd55bf1ca01fd54457f543f52977d078b04a577b9de2315c7","href":"https://static.observableusercontent.com/files/8e9b7fed4ed7b6a603e62a0e02fb36065ba3737494d4c6a5c4bcc11877ac55afe60d975c55d8db7dd55bf1ca01fd54457f543f52977d078b04a577b9de2315c7","name":"datagouv.PNG","type":"image/png","lastModified":1696862731278.982,"size":90527},{"id":"7fa30f62b898e08523b5afc5852834fdad21d12015926cadef9d9e591f363c05939a00fda4acbc29795b891a77fb0102192ac2798876b0a45fe709679585a21a","href":"https://static.observableusercontent.com/files/7fa30f62b898e08523b5afc5852834fdad21d12015926cadef9d9e591f363c05939a00fda4acbc29795b891a77fb0102192ac2798876b0a45fe709679585a21a","name":"france-metrop-et-dom-2022.geojson","type":"application/geo+json","lastModified":1699956905138.524,"size":1149337},{"id":"f1cb75e7efcba2d2c9941f4f3187451843d43685dedc5a0f0d11a5b71cb5503d83a5e6d080dc71ae146fbe8038c882424eb8df9eaecaaf31ffa6809cd4a416c5","href":"https://static.observableusercontent.com/files/f1cb75e7efcba2d2c9941f4f3187451843d43685dedc5a0f0d11a5b71cb5503d83a5e6d080dc71ae146fbe8038c882424eb8df9eaecaaf31ffa6809cd4a416c5","name":"légende.png","type":"image/png","lastModified":1699993497400.863,"size":4788}] 45:{"id":"c1e253fd5a7fc1f4","slug":null,"title":"TP : Députés Actifs de l'Assemblée Nationale","thumbnail":"49e3b8e7b5c25c76853ac31b4ed41e895e2facb91573182f4e68e995d0ccb899","access_level":"public","create_time":"$D2023-10-04T11:30:53.355Z","update_time":"$D2023-11-18T07:22:57.192Z","view_time":null,"first_public_time":"$D2023-10-04T11:56:42.922Z","has_unpublished_edits":null,"fork":false,"stars":1,"starred":false,"owner":{"type":"team","id":"fcae29e32f0626b5","login":"tropel2-ws","name":"tropel's Workspace","avatar_url":"https://avatars-next.observableusercontent.com/933209f9fe0ad5603ff0a992526d8b241872e27775d6557835e290f8af7ef9ad","tier":"starter_2024","bio":"","following":false},"version":2388,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"7d16d7b5ea6e4410","login":"tropel2","name":"tropel","avatar_url":"https://avatars-next.observableusercontent.com/78e06d63a652141a3bda8338552a110c1420fdd87f29366566cb604873bbd108","tier":null,"bio":"","following":false}],"members":[{"type":"individual","id":"7d16d7b5ea6e4410","login":"tropel2","name":"tropel","avatar_url":"https://avatars-next.observableusercontent.com/78e06d63a652141a3bda8338552a110c1420fdd87f29366566cb604873bbd108","tier":null,"role":"editor"},{"type":"team","id":"fcae29e32f0626b5","login":"tropel2-ws","name":"tropel's Workspace","avatar_url":"https://avatars-next.observableusercontent.com/933209f9fe0ad5603ff0a992526d8b241872e27775d6557835e290f8af7ef9ad","tier":"starter_2024","role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":5,"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

\n
\n

Présentation de l'organisation du document

\n
\n

\n Vous retrouverez ci-dessous le travail que nous avons réalisé dans le cadre du projet portant sur les données des députés siégeant actuellement à l'Assemblée Nationale. On retrouve le chargement, la présentation, le nettoyage des données avec le code de celui-ci. Par la suite le code se situe en bas du document dans la section \"Les Codes\" (dans la sous partie associée), cela permet une meilleure visibilité de la page dans les parties I et II (analyse univairée et bivariée). On retrouve en fin de document des informations supplémentaires sur le choix des couleurs et une section pour la création des illustrations (images).\n

\n
\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

Les limites :

\n Nous n'avons pas pu automatiser à l'aide d'une fonction la création des variables Statistiques qui aurait 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

Source des données : data.gouv.fr, auteurs du graphique : Gomes Pedro, Tropel Célia.

Limites

\n Afin de concerver l'ordre logique des valeurs, nous avons ajouter \"1.\", \"2.\" etc au début des regroupements en classes. D'autre part, nous avons choisi de présenter un tableau et un graphique pour facilité 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

Source des données : data.gouv.fr, auteurs de la carte : Gomes Pedro, Tropel Célia.

Limites

\n La limite principale est que la légende ayant été créée \"manuellement\" il se peut que lorsqu'on réalise un zoom sur la carte, la légende soit par dessus la carte et par conséquent peu lisible. On a tout de même décidé de la garder car cela permet d'améliorer la compréhension de la carte réalisée.\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.

Source des données : data.gouv.fr, auteurs du graphique : Gomes Pedro, Tropel Célia.

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 extrêmes ou abérrantes. Néanmoins ce type de graphique n'est pas facile à comprendre au permier abord, dans le cas d'une personne qui ne le connait pas.

\n
\n

\n \n Représentation sous forme de tableau de la valeur moyenne par groupe de la variable ${variable_Bivar} : \n \n

\n \n Réprésentation sous forme de graphique : \n \n

Source des données : data.gouv.fr, auteurs du graphique : Gomes Pedro, Tropel Célia.

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, pour facilité cela nous avons ajouté le tableau associé au graphique (situé au dessus de ce dernier). De plus, nous avons mis en abscisse le groupe pour plus de lisibilité.\n

Informations supplémentaires

\n
\n

\n Concernant le choix des couleurs, nous avons fait le choix de s'appuyer sur les couleurs de l'image ci-dessous : \n
\n
\n

\n ${hémicycle}\n

\n ${légende}\n

\n \n Voici la répartition actuelle par groupe politique des députés siégeant à l'Assemblée Nationale Française, cette image provient du site Wikipédia.\n \n \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

Remarque :

\n Nous avons utilisé le plus souvent les abréviations qui sont assez courrantes et plus lissibles sur un graphique.\n

\n
\n

Les Codes

Le 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":"// Renvoie trois couples de valeurs : \"moyenne\" ==> \"valeur\" etc\nStatistiques_Age = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.Age).toFixed(2)], // Pour harmoniser la présentation de chaque valeur (moyenne, minimum et maximum) a 2 décimales.\n [\"minimum\" , d3.min(dataanalyse, d => d.Age).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.Age).toFixed(2)]])\n ","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[`${choix}`]))).sort();","pinned":true,"hidden":false,"mode":"ojs","author":"$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":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1611,"value":"// Calcule le nombre de députés concernés par l'analyse : \nNb_députés = d3.sum(nb_par_choix.map(d => d.Nb_Députés))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":353,"value":"// Liste des commentaires par variable.\ncommentaires = new Map([[\"GroupeAbrev\",\"Ce graphique permet d'observer la répartition des députés par groupe / parti. On observe que certains partis sont sous-représentés en comparaison d'autres. Cette variable sera utilisée par la suite pour ségmenter nos données.\"],\n [\"Genre\", \"Ce graphique nous permet de voir que nous avons un plus grand nombre 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 classe d'âge présente aux extrémités et la plupart des personnes ont entre 30 et 79 ans.\"],\n [\"ClasseExperienceDepute\", \"Ce graphique est à nuancer, car nous avons peu de valeurs non nulles. On observe que l'expérience des députés est très hétérogène, certains ont moins d'un 1 an d'expérience contre plus de 20 ans pour d'autres.\"]])","pinned":true,"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() // Carte de La france métropolitaine et des territoires outre mer","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1209,"value":"// Liste des départements :\ndépartement = Array.from(new Set(dataanalyse.map(d => d.DepartementNom))).sort();","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1584,"value":"// Liste des couleurs (écrites pour correspondre aux groupe triés dans l'ordre alphabétique) à associées aux groupes : \ncouleurs = [\n \"#ff9900\", \"#00c000\", \"#ff0000\", \"#0001b8\", \"#cc2443\",\n \"#e1a5e1\", \"#0066cc\", \"#dddddd\", \"#ffeb00\", \"#0d378a\", \"#ff8080\"\n]; ","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1531,"value":"// Liste des groupes : \nGroupe = Array.from(new Set(dataanalyse.map(d => d.Groupe))).sort();","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1634,"value":"// On associe le groupe à sa couleur : \ncouleursGroupe = Object.fromEntries(Groupe.map((groupe, index) => [groupe, couleurs[index]])); // Couleurs appartenant aux différents groupes","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1204,"value":"// On calcule le nombre de chaque groupe par département et on concerve le groupe majoritaire : \nnb_par_departement = { \nconst r = [];\n\n département.forEach((d) => {// Pour chaque département :\n // Filtre les données du département\n const dataDepartement = dataanalyse.filter((item) => item.DepartementNom === d);\n\n // Compte le nombre d'occurrences de chaque groupe\n const countByGroupe = Groupe.reduce((acc, g) => {\n acc[g] = dataDepartement.filter((item) => item.Groupe === g).length;\n return acc;\n }, {});\n\n // Trouve le groupe avec le nombre d'occurrences le plus élevé\n const groupeMajoritaire = Object.keys(countByGroupe).reduce((a, b) => (countByGroupe[a] > countByGroupe[b] ? a : b));\n\n // Ajoute seulement le groupe majoritaire au tableau final\n const nbMajoritaire = countByGroupe[groupeMajoritaire];\n r.push({\n departement: d,\n groupe: groupeMajoritaire,\n nb_individus: nbMajoritaire,\n });\n });\n\n return r;\n};\n","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1554,"value":"// Permet de centrer la carte\nfunction 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":true,"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":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":999,"value":"Statistiques_majotité = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreMajorite).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreMajorite).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreMajorite).toFixed(2)]])","pinned":true,"hidden":false,"mode":"ojs","author":"$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":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":892,"value":"Statistiques_loyauté = new Map([[\"moyenne\" , d3.mean(dataanalyse, d => d.ScoreLoyaute).toFixed(2)],\n [\"minimum\" , d3.min(dataanalyse, d => d.ScoreLoyaute).toFixed(2)],\n [\"maximum\" , d3.max(dataanalyse, d => d.ScoreLoyaute).toFixed(2)]])","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1813,"value":"

B - Représentation graphique

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":799,"value":"// Liste des variables de scores pour l'analyse bivariée :\nliste_variables = [\"ScoreParticipation\",\"ScoreSpecialite\", \"ScoreLoyaute\", \"ScoreMajorite\"]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":817,"value":"// Liste des groupes (abrégés) :\nliste_groupes = [... new Set(dataanalyse.map(d => d.GroupeAbrev))].sort()","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":2334,"value":"max_y = d3.max(moyenne_par_variable, d => d.Moyenne);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":815,"value":"// Tableau contenant le nom du groupe, la moyenne des valeurs pour une variable donnée et le nombre de députés associé. \nmoyenne_par_variable = {\n const r = [];\n liste_groupes.forEach((g) =>{\n const moyenne = d3.mean(dataanalyse.filter(d => d.GroupeAbrev === g, [`${variable_Bivar}`]), d => d[`${variable_Bivar}`]).toFixed(2);\n const nombre_dep = dataanalyse.filter(d => d.GroupeAbrev === g, [`${variable_Bivar}`]).length\n\n r.push({\n GroupeAbrev : g,\n Moyenne : moyenne,\n NombreDéputés : nombre_dep,\n }); \n })\n return r;\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":2242,"value":"$4c","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1969,"value":"
\n

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":"// Insertion logo : observable impose certaines contraites en terme de définition de la taille d'une image, nos images ne s'adaptent pas très bien à la largeur et la hauteur de la page.\nlogo = {\n const logoSd = new Image();\n logoSd.src = URL.createObjectURL(await FileAttachment(\"LOGO SD.png\").blob());\n logoSd.width = 480; \n logoSd.height = 100; \n return logoSd\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":474,"value":"// insertion datagouv :\ndatagouv = {\n const datagouv= new Image();\n datagouv.src = URL.createObjectURL(await FileAttachment(\"datagouv.PNG\").blob());\n datagouv.width = 850; \n datagouv.height = 700; \n return datagouv\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":1169,"value":"// insertion de l'hémicycle direcetement depuis le site Wikipedia : \nhémicycle = {\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; \n hémicycle.height = 280; \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":"$undefined"},{"id":1448,"value":"// insertion légende (de l'hémicycle) :\nlégende = {\n const légende= new Image();\n légende.src = URL.createObjectURL(await FileAttachment(\"légende.png\").blob());\n légende.width = 150; \n légende.height = 300; \n return légende\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W4d","stdlib":"1"}} 46:"$45:body"