Ajout de commentaires dans les scripts
Co-authored-by: Dimitrijevic <hugo.dimitrijevic@etu.u-pec.fr>
This commit is contained in:
parent
88c52d15d5
commit
17e53a5203
@ -1,7 +1,16 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Somme des surfaces de tous les pays pour obtenir la surface terrestre mondiale
|
||||
// Multiplication par 1000 pour obtenir des km²
|
||||
surface = sum(data(:, 2)*1000);
|
||||
|
||||
// Somme des populations de tous les pays pour obtenir la population mondiale
|
||||
// Multiplication par 1000000 pour obtenir le nombre d'habitants
|
||||
population = sum(data(:, 3)*1000000);
|
||||
|
||||
// Calcul de la densité à partir de la population et de la surface
|
||||
densite = population / surface;
|
||||
|
||||
mprintf("Surface terrestre mondiale : %d km²\n", surface);
|
||||
mprintf("Nombre d''habitants mondial : %.0f habitants\n", population);
|
||||
mprintf("Densité moyenne : %.2f habitants/km²\n", densite);
|
||||
|
@ -1,5 +1,6 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Calcul de la surface, de la population et de la densité de chaque continent
|
||||
surfaceAfrique = sum(data(1:57, 2)* 1000);
|
||||
populationAfrique = sum(data(1:57, 3)* 1000000);
|
||||
densiteAfrique = populationAfrique / surfaceAfrique;
|
||||
|
@ -1,5 +1,6 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Calcul de la densité de population par continent à partir des réponse à la quesion précédente
|
||||
densiteAfrique = sum(data(1:57, 3)* 1000000) / sum(data(1:57, 2)* 1000);
|
||||
densiteAmeriqueDuNord = sum(data(58:86, 3)* 1000000) / sum(data(58:86, 2)* 1000);
|
||||
densiteAmeriqueDuSud = sum(data(87:99, 3)* 1000000) / sum(data(87:99, 2)* 1000);
|
||||
@ -7,6 +8,7 @@ densiteAsie = sum(data(100:150, 3)* 1000000) / sum(data(100:150, 2)* 1000);
|
||||
densiteEurope = sum(data(151:193, 3)* 1000000) / sum(data(151:193, 2)* 1000);
|
||||
densiteOceanie = sum(data(194:207, 3)* 1000000) / sum(data(194:207, 2)* 1000);
|
||||
|
||||
// Affichage des résultats avec un histogramme
|
||||
bar([densiteAfrique, densiteAmeriqueDuNord, densiteAmeriqueDuSud, densiteAsie, densiteEurope, densiteOceanie]);
|
||||
title("Densité de population par continent");
|
||||
xlabel("Continent");
|
||||
|
@ -1,5 +1,6 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Calcul de la surface er de la population par continent à partir des réponse à la quesion 2
|
||||
surfaceAfrique = sum(data(1:57, 2)* 1000);
|
||||
populationAfrique = sum(data(1:57, 3)* 1000000);
|
||||
|
||||
@ -18,13 +19,16 @@ populationEurope = sum(data(151:193, 3)* 1000000);
|
||||
surfaceOceanie = sum(data(194:207, 2)* 1000);
|
||||
populationOceanie = sum(data(194:207, 3)* 1000000);
|
||||
|
||||
// Affichage d'un graph pour la surface
|
||||
pie([surfaceAfrique, surfaceAmeriqueDuNord, surfaceAmeriqueDuSud, surfaceAsie, surfaceEurope, surfaceOceanie]);
|
||||
title("Répartition de la surface terrestre");
|
||||
legend(["Afrique", "Amérique du Nord", "Amérique du Sud", "Asie", "Europe", "Océanie"], 'out_upper_right');
|
||||
xs2png(0,"ex1/img/ex1-4-1.png");
|
||||
|
||||
// Nettoyage de la fenêtre graphique
|
||||
clf();
|
||||
|
||||
// Affichage d'un graph pour la population
|
||||
pie([populationAfrique, populationAmeriqueDuNord, populationAmeriqueDuSud, populationAsie, populationEurope, populationOceanie]);
|
||||
title("Répartition de la population mondiale");
|
||||
legend(["Afrique", "Amérique du Nord", "Amérique du Sud", "Asie", "Europe", "Océanie"], 'out_upper_right');
|
||||
|
@ -1,8 +1,10 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// récupérer les valeurs des espérances de vie en ignorant les pays ou elles ne sont pas donnés
|
||||
Valeur_esperance_vie_femme = find (data(:,12) >=0);
|
||||
Valeur_esperance_vie_homme = find (data(:,11) >=0);
|
||||
|
||||
// faire la moyenne des espérances de vie des femmes et des hommes
|
||||
Moyenne_esperance_vie_femme = mean(data(Valeur_esperance_vie_femme,12));
|
||||
Moyenne_esperance_vie_homme = mean(data(Valeur_esperance_vie_homme,11));
|
||||
|
||||
|
@ -1,11 +1,14 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Faire la médiane
|
||||
Valeur_esperance_vie_femme = find (data(:,12) >=0);
|
||||
Valeur_esperance_vie_homme = find (data(:,11) >=0);
|
||||
|
||||
// Faire la variance
|
||||
mediane_esperance_vie_homme = median(data(Valeur_esperance_vie_femme,11));
|
||||
mediane_esperance_vie_femme = median(data(Valeur_esperance_vie_homme,12));
|
||||
|
||||
// Faire l'écart type
|
||||
variance_esperance_vie_homme = mean(data(Valeur_esperance_vie_femme,11).*data(Valeur_esperance_vie_femme,11))-mean(data(Valeur_esperance_vie_femme,11))^2;
|
||||
variance_esperance_vie_femme = mean(data(Valeur_esperance_vie_homme,12).*data(Valeur_esperance_vie_homme,12))-mean(data(Valeur_esperance_vie_homme,12))^2;
|
||||
|
||||
|
@ -3,17 +3,22 @@ data = csvRead("data.csv");
|
||||
Valeur_esperance_vie_femme = find (data(:,12) >=0);
|
||||
Valeur_esperance_vie_homme = find (data(:,11) >=0);
|
||||
|
||||
//charger les différents pays
|
||||
pays = csvRead("data.csv",",",".","string")(:,1);
|
||||
|
||||
// esprérances de vie minimale et maximale homme
|
||||
esperance_vie_min_homme = min(data(Valeur_esperance_vie_homme,11));
|
||||
esperance_vie_max_homme = max(data(Valeur_esperance_vie_homme,11));
|
||||
|
||||
// esprérances de vie minimale et maximale homme
|
||||
pays_esperance_vie_min_homme = pays(find(data(:,11) == esperance_vie_min_homme));
|
||||
pays_esperance_vie_max_homme = pays(find(data(:,11) == esperance_vie_max_homme));
|
||||
|
||||
// esprérances de vie minimale et maximale femme
|
||||
esperance_vie_min_femme = min(data(Valeur_esperance_vie_femme,12));
|
||||
esperance_vie_max_femme = max(data(Valeur_esperance_vie_homme,12));
|
||||
|
||||
// pays correspondant à ces valeurs
|
||||
pays_esperance_vie_min_femme = pays(find(data(:,12) == esperance_vie_min_femme));
|
||||
pays_esperance_vie_max_femme = pays(find(data(:,12) == esperance_vie_max_femme));
|
||||
|
||||
|
@ -1,5 +1,7 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// histogramme des esperance de vie des hommes des 100 premiers pays avec 20 classes
|
||||
// normalization=%f pour avoir diffrectement le bon nombre de pays pour chaque classe diirectement sur l'histogramme
|
||||
histplot(20,data(1:100,11),normalization=%f);
|
||||
title("Histogramme des espérances de vie des hommes des 100 premiers pays avec 20 classes");
|
||||
xlabel("Espérance de vie (années)");
|
||||
|
@ -3,7 +3,11 @@ pays = csvRead("data.csv",",",".","string")(:,1);
|
||||
|
||||
[esperanceHomme,indice] = gsort(data(:,11), 'g', 'i');
|
||||
|
||||
//Les pays correspondant à l'espérance la plus grande et la plus petite
|
||||
|
||||
paysMaxHomme = pays(indice(length(indice)-1));
|
||||
// le -1 est pour enlever le pays "Andore" car n'ayant pas de valeur se met à la fin du classement par ordre croissant.
|
||||
|
||||
paysMinHomme = pays(indice(1));
|
||||
|
||||
mprintf("Pays ayant où l''espérance de vie des hommes est la plus élevé : %s\n", paysMaxHomme);
|
||||
|
@ -2,8 +2,13 @@ data = csvRead("data.csv");
|
||||
pays = csvRead("data.csv",",",".","string")(:,1);
|
||||
esperanceHomme = gsort(data(:,11), 'g', 'i');
|
||||
|
||||
// Trouver le 1er et 3eme quartile de l'esperance de vie des hommes
|
||||
quartiles = quart(esperanceHomme);
|
||||
|
||||
// trouver l'équart interquartile de l'esperance de vie des hommes
|
||||
interquartile = iqr(esperanceHomme);
|
||||
|
||||
//Liste des pays avec une esperance de vie inférieur au premier quartile
|
||||
Pays_inferieur_premier_quartile = pays(find(data(:,11)<quartiles(1)));
|
||||
|
||||
mprintf("Le premier quartile de l''esperance de vie des hommes est : %.0f ans.\n", quartiles(1));
|
||||
|
@ -2,18 +2,23 @@ data = csvRead("data.csv");
|
||||
pays = csvRead("data.csv",",",".","string")(:,1);
|
||||
esperanceHomme = gsort(data(:,11), 'g', 'i');
|
||||
|
||||
//Valeur des premiers et neuvièmes decile
|
||||
premierDecile = esperanceHomme(ceil(length(esperanceHomme)/10));
|
||||
neuviemeDecile = esperanceHomme(ceil(9*length(esperanceHomme)/10));
|
||||
|
||||
mprintf("Premier décile : %.0f ans\n",premierDecile);
|
||||
mprintf("Neuvieme décile : %.0f ans\n",neuviemeDecile);
|
||||
|
||||
//Selectionner uniquement les pays à l'extérieur de l'intervale 1er/9eme decile
|
||||
Pays_intervale_ext_decile = pays(find(data(:,11)<premierDecile | data(:,11)>neuviemeDecile));
|
||||
|
||||
//Recuperer l'indice des pays correspondant à l'intervale extérieur
|
||||
//Pour ce faire je crée un colonne de 1 à 207 qui va me permettre de stocker les indices des pays
|
||||
indice_pays = [1:207];
|
||||
indice_pays = matrix(indice_pays,length(indice_pays),1);
|
||||
indice_pays_intervale_ext_decile = indice_pays(find(data(:,11)<premierDecile | data(:,11)>neuviemeDecile),1);
|
||||
|
||||
// Maintenant que nous connaissons les indices des pays à l'extérieur de l'intervale , on peut faire un tri pour chaque continent
|
||||
Pays_Afrique_ext_intervale = Pays_intervale_ext_decile(find(indice_pays_intervale_ext_decile <= 57 ));
|
||||
Pays_Amerique_nord_ext_intervale = Pays_intervale_ext_decile(find(indice_pays_intervale_ext_decile >= 58 & indice_pays_intervale_ext_decile <= 86) );
|
||||
Pays_Amerique_sud_ext_intervale = Pays_intervale_ext_decile(find(indice_pays_intervale_ext_decile >= 87 & indice_pays_intervale_ext_decile <= 99) );
|
||||
|
@ -1,6 +1,11 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Calcul du taux d'accroissement à partir du taux de natalité et du taux de mortalité
|
||||
// On divise par 1000 pour avoir les taux par habitant
|
||||
// On multiplie par 100 pour avoir le taux d'accroissement en pourcentage
|
||||
tauxAccroissement = ((data(:, 4) / 1000) - (data(:, 5) / 1000)) * 100;
|
||||
|
||||
// Récupération du taux le plus faible et du taux le plus élevé de la liste
|
||||
tauxAccroissementMin = min(tauxAccroissement);
|
||||
tauxAccroissementMax = max(tauxAccroissement);
|
||||
|
||||
|
@ -2,7 +2,11 @@ data = csvRead("data.csv");
|
||||
|
||||
tauxAccroissement = ((data(:, 4) / 1000) - (data(:, 5) / 1000)) * 100;
|
||||
|
||||
// Récupération des pays
|
||||
// une matrice peut avoir qu'un seul type de données, donc la 1ère colonne de la variable data est NaN
|
||||
// ici on précice qu'on veut extraire les données du fichier csv dans une matrice de type string)
|
||||
pays = csvRead("data.csv",",",".","string")(:,1)
|
||||
|
||||
mprintf('Pays ayant un taux d''accroissement négatif :\n');
|
||||
// on affiche les pays ayant un taux d'accroissement négatif
|
||||
mprintf("- %s : %.2f%%\n",pays(tauxAccroissement < 0), tauxAccroissement(tauxAccroissement < 0));
|
||||
|
@ -1,6 +1,7 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
tauxAccroissement = ((data(:, 4) / 1000) - (data(:, 5) / 1000)) * 100;
|
||||
// Moyenne du taux d'accroissement obtenu à la question 1
|
||||
tauxAccroissementMoyen = mean(tauxAccroissement);
|
||||
|
||||
mprintf("Taux d''accroissement moyen : %.2f%%\n", tauxAccroissementMoyen);
|
||||
|
@ -2,6 +2,7 @@ data = csvRead("data.csv");
|
||||
|
||||
tauxAccroissement = ((data(:, 4) / 1000) - (data(:, 5) / 1000)) * 100;
|
||||
|
||||
// On sépare les taux d'accroissement par continent
|
||||
tauxAccroissementMoyenParContient = [mean(tauxAccroissement(1:57)), mean(tauxAccroissement(58:86)), mean(tauxAccroissement(87:99)), mean(tauxAccroissement(100:150)), mean(tauxAccroissement(151:193)), mean(tauxAccroissement(194:207))];
|
||||
|
||||
bar(tauxAccroissementMoyenParContient);
|
||||
|
@ -1,5 +1,6 @@
|
||||
data = csvRead("data.csv");
|
||||
|
||||
// Somme des estimations de populations des pays en 2050
|
||||
population2050 = sum(data(:, 6)*1000000);
|
||||
mprintf("La population mondiale prévue en 2050 est de %.0f habitants.\n", population2050);
|
||||
|
||||
@ -8,7 +9,7 @@ tauxAccroissement = ((data(:, 4) / 1000) - (data(:, 5) / 1000)) * 100;
|
||||
tauxAccroissementMoyen = mean(tauxAccroissement);
|
||||
|
||||
x = population;
|
||||
|
||||
// On multiplie la population mondiale actuelle par le taux d'accroissement moyen jusqu'à atteindre ou dépasser la population mondiale prévue en 2050
|
||||
while population2050 > x
|
||||
x = x * tauxAccroissementMoyen;
|
||||
end
|
||||
|
Loading…
Reference in New Issue
Block a user