Merge pull request #8 from dataforgoodfr/scorreia/poc_analysis_notebook

team analyse de données: notebooks avec le questionnaire v1 et première application streamlit

.gitignore

@@ -161,5 +161,5 @@ cython_debug/
 
 # Precommit hooks: ruff cache
 .ruff_cache
-
+.DS_Store
 data/

.pre-commit-config.yaml

@@ -1,7 +1,7 @@
 repos:
   - repo: https://github.com/charliermarsh/ruff-pre-commit
     # Ruff version.
-    rev: "v0.0.254"
+    rev: "v0.3.7"
     hooks:
       - id: ruff
         args: [--fix, --exit-non-zero-on-fix]

app/README.md

@@ -0,0 +1,5 @@
+Pour exécuter l'application Streamlit de , lancer la commande suivante depuis ce répertoire : 
+    `streamlit run odi_streamlit.py`
+
+Note: 
+L'application streamlit `analyse_app_OLD.py` sera à supprimer. 

app/analyse_app_OLD.py

@@ -0,0 +1,63 @@
+"""
+# My first app with Streamlit https://streamlit.io/
+Here's our first attempt at using data to create a table:
+"""
+
+import matplotlib.pyplot as plt
+import pandas as pd
+import streamlit as st
+
+st.title("Observatoire des Imaginaires")
+st.divider()
+st.header("Fait par la dream team _Analyse de données_")
+st.write(
+    (
+        "Cette application analyse les données du PoC. On peut se faire plaisir"
+        " en y ajoutant tous les graphiques nécessaires. "
+        "Le code est à nettoyer pour une meilleure maintenance ;-) "
+    ),
+)
+
+
+st.container()
+st.header("Aperçu des données")
+# Load the data
+file_path = "../data/Analyse réponses.xlsx - Treated data.csv"
+
+# ne pas lire la première ligne
+data = pd.read_csv(file_path, skiprows=1)
+
+# Supprimer les lignes où la première colonne contient "Contenu XXX"
+# XXX est un nombre
+# Et Supprimer les lignes où toutes les valeurs sont NaN
+df = data[~data["TITRE"].str.contains(r"Contenu \d+", na=False)].dropna(how="all")
+
+# ne conserver qu'une ligne sur 4  (ce qui revient à supprimer les informations
+# des personnages 2, 3, 4 quand ils existent)
+df_truncated = df.iloc[::4]
+# Nettoyage du data set
+
+# mettre les titres en majuscule
+df_truncated["TITRE"] = df_truncated["TITRE"].str.upper()
+
+### Convertir les types de données correctement ici
+# Convertir les années en entier
+annee = "ANNEE"
+df_truncated[annee] = pd.to_numeric(df_truncated[annee], errors="coerce").fillna(0).astype(int)
+# Trouver les titres qui apparaissent plus de 4 fois dans la colonne "TITRE"
+# (car chaque titre a 4 lignes, une pour chaque personnage)
+titles_more_than_once = df_truncated["TITRE"].value_counts()
+titles_more_than_once = titles_more_than_once[titles_more_than_once > 1]
+
+# Afficher un bar chart des titres les plus fréquents
+# Affichage d'un bar chart horizontal
+
+
+st.header("Films les plus fréquents")
+# Création du graphique
+fig, ax = plt.subplots()
+t = titles_more_than_once.sort_values(ascending=True)
+t.plot(kind="barh", color="skyblue", ax=ax)
+ax.set_xlabel("Nb")
+ax.set_title("Fréquence des films/séries")
+st.pyplot(fig)