.. _seance6graphescorrectionrst:

====================
Graphes - correction
====================


.. only:: html

    **Links:** :download:`notebook <seance6_graphes_correction.ipynb>`, :downloadlink:`html <seance6_graphes_correction2html.html>`, :download:`PDF <seance6_graphes_correction.pdf>`, :download:`python <seance6_graphes_correction.py>`, :downloadlink:`slides <seance6_graphes_correction.slides.html>`, :githublink:`GitHub|_doc/notebooks/sessions/seance6_graphes_correction.ipynb|*`


Correction des exercices sur les graphes avec
`matplotlib <http://matplotlib.org/>`__.

Pour avoir des graphiques inclus dans le notebook, il faut ajouter cette
ligne et l’exécuter en premier.

.. code:: ipython3

    %matplotlib inline

On change le style pour un style plus moderne, celui de
`ggplot <http://ggplot2.org/>`__ :

.. code:: ipython3

    from jyquickhelper import add_notebook_menu
    add_notebook_menu()






.. contents::
    :local:





Données
-------

élections
~~~~~~~~~

Pour tous les exemples qui suivent, on utilise les résultat `élection
présidentielle de
2012 <https://www.data.gouv.fr/fr/datasets/election-presidentielle-2012-resultats-572124/>`__.
Si vous n’avez pas le module
`actuariat_python <http://www.xavierdupre.fr/app/actuariat_python/helpsphinx/index.html>`__,
il vous suffit de recopier le code de la fonction
`elections_presidentielles <http://www.xavierdupre.fr/app/actuariat_python/helpsphinx/_modules/actuariat_python/data/elections.html#elections_presidentielles>`__
qui utilise la fonction
`read_excel <http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html>`__
:

.. code:: ipython3

    from actuariat_python.data import elections_presidentielles
    dict_df = elections_presidentielles(local=True, agg="dep")

.. code:: ipython3

    def cleandep(s):
        if isinstance(s, str):
            r = s.lstrip('0')
        else:
            r = str(s)
        return r
    dict_df["dep1"]["Code du département"] = dict_df["dep1"]["Code du département"].apply(cleandep)
    dict_df["dep2"]["Code du département"] = dict_df["dep2"]["Code du département"].apply(cleandep)

.. code:: ipython3

    deps = dict_df["dep1"].merge(dict_df["dep2"], 
                                           on="Code du département",
                                           suffixes=("T1", "T2"))
    deps["rHollandeT1"] = deps['François HOLLANDE (PS)T1'] / (deps["VotantsT1"] - deps["Blancs et nulsT1"])
    deps["rSarkozyT1"] = deps['Nicolas SARKOZY (UMP)T1'] / (deps["VotantsT1"] - deps["Blancs et nulsT1"])
    deps["rNulT1"] = deps["Blancs et nulsT1"] / deps["VotantsT1"]
    deps["rHollandeT2"] = deps["François HOLLANDE (PS)T2"] / (deps["VotantsT2"] - deps["Blancs et nulsT2"])
    deps["rSarkozyT2"] = deps['Nicolas SARKOZY (UMP)T2'] / (deps["VotantsT2"] - deps["Blancs et nulsT2"])
    deps["rNulT2"] = deps["Blancs et nulsT2"] / deps["VotantsT2"]
    data = deps[["Code du département", "Libellé du départementT1", 
                 "VotantsT1", "rHollandeT1", "rSarkozyT1", "rNulT1",
                 "VotantsT2", "rHollandeT2", "rSarkozyT2", "rNulT2"]]
    data_elections = data # parfois data est remplacé dans la suite
    data.head()






.. raw:: html

    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>Code du département</th>
          <th>Libellé du départementT1</th>
          <th>VotantsT1</th>
          <th>rHollandeT1</th>
          <th>rSarkozyT1</th>
          <th>rNulT1</th>
          <th>VotantsT2</th>
          <th>rHollandeT2</th>
          <th>rSarkozyT2</th>
          <th>rNulT2</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>1</td>
          <td>AIN</td>
          <td>327812</td>
          <td>0.227459</td>
          <td>0.304090</td>
          <td>0.019685</td>
          <td>326587</td>
          <td>0.427692</td>
          <td>0.572308</td>
          <td>0.059748</td>
        </tr>
        <tr>
          <th>1</th>
          <td>2</td>
          <td>AISNE</td>
          <td>303140</td>
          <td>0.271027</td>
          <td>0.241958</td>
          <td>0.017141</td>
          <td>302076</td>
          <td>0.524020</td>
          <td>0.475980</td>
          <td>0.069704</td>
        </tr>
        <tr>
          <th>2</th>
          <td>3</td>
          <td>ALLIER</td>
          <td>211009</td>
          <td>0.296824</td>
          <td>0.240238</td>
          <td>0.023975</td>
          <td>211132</td>
          <td>0.568861</td>
          <td>0.431139</td>
          <td>0.070686</td>
        </tr>
        <tr>
          <th>3</th>
          <td>4</td>
          <td>ALPES-DE-HAUTE-PROVENCE</td>
          <td>102899</td>
          <td>0.243591</td>
          <td>0.254673</td>
          <td>0.020515</td>
          <td>103581</td>
          <td>0.510594</td>
          <td>0.489406</td>
          <td>0.064095</td>
        </tr>
        <tr>
          <th>4</th>
          <td>5</td>
          <td>HAUTES-ALPES</td>
          <td>88619</td>
          <td>0.244858</td>
          <td>0.261071</td>
          <td>0.020786</td>
          <td>89405</td>
          <td>0.508935</td>
          <td>0.491065</td>
          <td>0.067390</td>
        </tr>
      </tbody>
    </table>
    </div>



localisation des villes
~~~~~~~~~~~~~~~~~~~~~~~

.. code:: ipython3

    from pyensae.datasource import download_data
    download_data("villes_france.csv", url="http://sql.sh/ressources/sql-villes-france/")
    cols = ["ncommune", "numero_dep", "slug", "nom", "nom_simple", "nom_reel", "nom_soundex", "nom_metaphone", "code_postal",
        "numero_commune", "code_commune", "arrondissement", "canton", "pop2010", "pop1999", "pop2012",
        "densite2010", "surface", "superficie", "dlong", "dlat", "glong", "glat", "slong", "slat", "alt_min", "alt_max"]
    import pandas
    villes = pandas.read_csv("villes_france.csv", header=None,low_memory=False, names=cols)

exercice 1 : centrer la carte de la France
------------------------------------------

On recentre la carte. Seule modification : ``[-5, 10, 38, 52]``.

.. code:: ipython3

    import matplotlib.pyplot as plt
    import cartopy.crs as ccrs
    import cartopy.feature as cfeature
    
    fig = plt.figure(figsize=(6,6))
    ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
    ax.set_extent([-5, 10, 38, 52])
    
    ax.add_feature(cfeature.OCEAN.with_scale('50m'))
    ax.add_feature(cfeature.RIVERS.with_scale('50m'))
    ax.add_feature(cfeature.BORDERS.with_scale('50m'), linestyle=':')
    ax.set_title('France');


.. parsed-literal::
    c:\python372_x64\lib\site-packages\cartopy\mpl\geoaxes.py:388: MatplotlibDeprecationWarning: 
    The 'inframe' parameter of draw() was deprecated in Matplotlib 3.3 and will be removed two minor releases later. Use Axes.redraw_in_frame() instead. If any parameter follows 'inframe', they should be passed as keyword, not positionally.
      inframe=inframe)
    c:\python372_x64\lib\site-packages\cartopy\io\__init__.py:260: DownloadWarning: Downloading: http://naciscdn.org/naturalearth/50m/physical/ne_50m_ocean.zip
      warnings.warn('Downloading: {}'.format(url), DownloadWarning)
    c:\python372_x64\lib\site-packages\cartopy\io\__init__.py:260: DownloadWarning: Downloading: http://naciscdn.org/naturalearth/50m/physical/ne_50m_rivers_lake_centerlines.zip
      warnings.warn('Downloading: {}'.format(url), DownloadWarning)
    c:\python372_x64\lib\site-packages\cartopy\io\__init__.py:260: DownloadWarning: Downloading: http://naciscdn.org/naturalearth/50m/cultural/ne_50m_admin_0_boundary_lines_land.zip
      warnings.warn('Downloading: {}'.format(url), DownloadWarning)



.. image:: seance6_graphes_correction_13_1.png


exercice 2 : placer les plus grandes villes de France sur la carte
------------------------------------------------------------------

On reprend la fonction ``carte_france`` donnée par l’énoncé et modifié
avec le résultat de la question précédente.

.. code:: ipython3

    def carte_france(figsize=(7, 7)):
        fig = plt.figure(figsize=figsize)
        ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
        ax.set_extent([-5, 10, 38, 52])
    
        ax.add_feature(cfeature.OCEAN.with_scale('50m'))
        ax.add_feature(cfeature.RIVERS.with_scale('50m'))
        ax.add_feature(cfeature.BORDERS.with_scale('50m'), linestyle=':')
        ax.set_title('France');
        return ax
    
    carte_france();



.. image:: seance6_graphes_correction_15_0.png


On ne retient que les villes de plus de 100.000 habitants. Toutes les
villes ne font pas partie de la métropole :

.. code:: ipython3

    grosses_villes = villes[villes.pop2012 > 100000][["dlong","dlat","nom", "pop2012"]]
    grosses_villes.describe()






.. raw:: html

    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>dlong</th>
          <th>dlat</th>
          <th>pop2012</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>count</th>
          <td>37.000000</td>
          <td>37.000000</td>
          <td>3.700000e+01</td>
        </tr>
        <tr>
          <th>mean</th>
          <td>4.182151</td>
          <td>45.579735</td>
          <td>2.432647e+05</td>
        </tr>
        <tr>
          <th>std</th>
          <td>7.746851</td>
          <td>7.749732</td>
          <td>3.434288e+05</td>
        </tr>
        <tr>
          <th>min</th>
          <td>-4.483330</td>
          <td>1.718190</td>
          <td>1.035520e+05</td>
        </tr>
        <tr>
          <th>25%</th>
          <td>1.083330</td>
          <td>44.833300</td>
          <td>1.241520e+05</td>
        </tr>
        <tr>
          <th>50%</th>
          <td>3.083330</td>
          <td>47.316700</td>
          <td>1.496490e+05</td>
        </tr>
        <tr>
          <th>75%</th>
          <td>5.433330</td>
          <td>48.683300</td>
          <td>2.061940e+05</td>
        </tr>
        <tr>
          <th>max</th>
          <td>46.710700</td>
          <td>50.633300</td>
          <td>2.125851e+06</td>
        </tr>
      </tbody>
    </table>
    </div>



.. code:: ipython3

    grosses_villes.sort_values("dlat").head()






.. raw:: html

    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>dlong</th>
          <th>dlat</th>
          <th>nom</th>
          <th>pop2012</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>36666</th>
          <td>46.71070</td>
          <td>1.71819</td>
          <td>SAINT-DENIS</td>
          <td>131649</td>
        </tr>
        <tr>
          <th>27143</th>
          <td>2.88333</td>
          <td>42.68330</td>
          <td>PERPIGNAN</td>
          <td>105096</td>
        </tr>
        <tr>
          <th>33676</th>
          <td>5.93333</td>
          <td>43.11670</td>
          <td>TOULON</td>
          <td>160712</td>
        </tr>
        <tr>
          <th>4439</th>
          <td>5.37639</td>
          <td>43.29670</td>
          <td>MARSEILLE</td>
          <td>797491</td>
        </tr>
        <tr>
          <th>4420</th>
          <td>5.43333</td>
          <td>43.53330</td>
          <td>AIX-EN-PROVENCE</td>
          <td>134324</td>
        </tr>
      </tbody>
    </table>
    </div>



Saint-Denis est à la Réunion. On l’enlève de l’ensemble :

.. code:: ipython3

    grosses_villes = villes[(villes.pop2012 > 100000) & (villes.dlat > 40)] \
            [["dlong","dlat","nom", "pop2012"]]

On dessine la carte souhaitée en ajoutant un marqueur pour chaque ville
dont la surface dépend du nombre d’habitant. Sa taille doit être
proportionnelle à à la racine carrée du nombre d’habitants.

.. code:: ipython3

    import matplotlib.pyplot as plt
    ax = carte_france()
    
    def affiche_ville(ax, x, y, nom, pop):
        ax.plot(x, y, 'ro', markersize=pop**0.5/50)
        ax.text(x, y, nom)
    
    for lon, lat, nom, pop in zip(grosses_villes["dlong"],
                             grosses_villes["dlat"],
                             grosses_villes["nom"],
                            grosses_villes["pop2012"]):
        affiche_ville(ax, lon, lat, nom, pop)
        
    ax;


.. parsed-literal::
    c:\python372_x64\lib\site-packages\cartopy\mpl\geoaxes.py:388: MatplotlibDeprecationWarning: 
    The 'inframe' parameter of draw() was deprecated in Matplotlib 3.3 and will be removed two minor releases later. Use Axes.redraw_in_frame() instead. If any parameter follows 'inframe', they should be passed as keyword, not positionally.
      inframe=inframe)



.. image:: seance6_graphes_correction_22_1.png


**rappel : fonction zip**

La fonction
`zip <https://docs.python.org/3.4/library/functions.html#zip>`__ *colle*
deux séquences ensemble.

.. code:: ipython3

    list(zip([1,2,3], ["a", "b", "c"]))




.. parsed-literal::
    [(1, 'a'), (2, 'b'), (3, 'c')]



On l’utilise souvent de cette manière :

.. code:: ipython3

    for a,b in zip([1,2,3], ["a", "b", "c"]):
        # faire quelque chose avec a et b
        print(a,b)


.. parsed-literal::
    1 a
    2 b
    3 c


Sans la fonction
`zip <https://docs.python.org/3.4/library/functions.html#zip>`__ :

.. code:: ipython3

    ax = carte_france()
    
    def affiche_ville(ax, x, y, nom, pop):
        ax.plot(x, y, 'ro', markersize=pop**0.5/50)
        ax.text(x, y, nom)
        
    def affiche_row(ax, row):
        affiche_ville(ax, row["dlong"], row["dlat"], row["nom"], row["pop2012"])
    
    grosses_villes.apply(lambda row: affiche_row(ax, row), axis=1)
    ax;



.. image:: seance6_graphes_correction_28_0.png


Ou encore :

.. code:: ipython3

    import matplotlib.pyplot as plt
    ax = carte_france()
    
    def affiche_ville(ax, x, y, nom, pop):
        ax.plot(x, y, 'ro', markersize=pop**0.5/50)
        ax.text(x, y, nom)
    
    for i in range(0, grosses_villes.shape[0]):
        ind = grosses_villes.index[i]
        # important ici, les lignes sont indexées par rapport à l'index de départ
        # comme les lignes ont été filtrées pour ne garder que les grosses villes,
        # il faut soit utiliser reset_index soit récupérer l'indice de la ligne
        lon, lat = grosses_villes.loc[ind, "dlong"], grosses_villes.loc[ind, "dlat"]
        nom, pop = grosses_villes.loc[ind, "nom"], grosses_villes.loc[ind, "pop2012"]
        affiche_ville(ax, lon, lat, nom, pop)
    ax;



.. image:: seance6_graphes_correction_30_0.png


exercice 3 : résultats des élections par département
----------------------------------------------------

On reprend le résultat des élections, on construit d’abord un
dictionnaire dans lequel ``{ departement: vainqueur }``.

.. code:: ipython3

    data_elections.shape, data_elections[data_elections.rHollandeT2 > data_elections.rSarkozyT2].shape




.. parsed-literal::
    ((107, 10), (63, 10))



Il y a 63 départements où Hollande est vainqueur.

.. code:: ipython3

    hollande_gagnant = dict(zip(data_elections["Libellé du départementT1"], data_elections.rHollandeT2 > data_elections.rSarkozyT2))
    list(hollande_gagnant.items())[:5]




.. parsed-literal::
    [('AIN', False),
     ('AISNE', True),
     ('ALLIER', True),
     ('ALPES-DE-HAUTE-PROVENCE', True),
     ('HAUTES-ALPES', True)]



On récupère les formes de chaque département :

.. code:: ipython3

    from pyensae.datasource import download_data
    try:
        download_data("GEOFLA_2-1_DEPARTEMENT_SHP_LAMB93_FXX_2015-12-01.7z",
                  website="https://wxs-telechargement.ign.fr/oikr5jryiph0iwhw36053ptm/telechargement/inspire/" + \
                  "GEOFLA_THEME-DEPARTEMENTS_2015_2$GEOFLA_2-1_DEPARTEMENT_SHP_LAMB93_FXX_2015-12-01/file/")
    except Exception as e:
        # au cas le site n'est pas accessible
        download_data("GEOFLA_2-1_DEPARTEMENT_SHP_LAMB93_FXX_2015-12-01.7z", website="xd")

.. code:: ipython3

    from pyquickhelper.filehelper import un7zip_files
    try:
        un7zip_files("GEOFLA_2-1_DEPARTEMENT_SHP_LAMB93_FXX_2015-12-01.7z", where_to="shapefiles")
        departements = 'shapefiles/GEOFLA_2-1_DEPARTEMENT_SHP_LAMB93_FXX_2015-12-01/GEOFLA/1_DONNEES_LIVRAISON_2015/' + \
                       'GEOFLA_2-1_SHP_LAMB93_FR-ED152/DEPARTEMENT/DEPARTEMENT.shp'
    except FileNotFoundError as e:
        # Il est possible que cette instruction ne fonctionne pas.
        # Dans ce cas, on prendra une copie de ce fichier.
        import warnings
        warnings.warn("Plan B parce que " + str(e))
        download_data("DEPARTEMENT.zip")
        departements = "DEPARTEMENT.shp"
        
    import os
    if not os.path.exists(departements):
        raise FileNotFoundError("Impossible de trouver '{0}'".format(departements))

.. code:: ipython3

    import shapefile
    shp = departements
    r = shapefile.Reader(shp)
    shapes = r.shapes()
    records = r.records()
    records[0]




.. parsed-literal::
    Record #0: ['DEPARTEM0000000000000004', '89', 'YONNE', '024', 'AUXERRE', 742447, 6744261, 748211, 6750855, '27', 'BOURGOGNE-FRANCHE-COMTE']



Le problème est que les codes sont difficiles à associer aux résultats
des élections. La page `Wikipedia de
Bas-Rhin <https://fr.wikipedia.org/wiki/Bas-Rhin>`__ lui associe le code
67. Le Bas-Rhin est orthographié ``BAS RHIN`` dans la liste des
résultats. Le code du département n’apparaît pas dans les *shapefile*
récupérés. Il faut *matcher* sur le nom du département. On met tout en
minuscules et on enlève espaces et tirets.

.. code:: ipython3

    hollande_gagnant_clean = { k.lower().replace("-", "").replace(" ", ""): v for k,v in hollande_gagnant.items()}
    list(hollande_gagnant_clean.items())[:5]




.. parsed-literal::
    [('ain', False),
     ('aisne', True),
     ('allier', True),
     ('alpesdehauteprovence', True),
     ('hautesalpes', True)]



Et comme il faut aussi remplacer les accents, on s’inspire de la
fonction
`remove_diacritic <http://www.xavierdupre.fr/app/pyquickhelper/helpsphinx//pyquickhelper/texthelper/diacritic_helper.html#module-pyquickhelper.texthelper.diacritic_helper>`__
:

.. code:: ipython3

    import unicodedata
    
    def retourne_vainqueur(nom_dep):
        s = nom_dep.lower().replace("-", "").replace(" ", "")
        nkfd_form = unicodedata.normalize('NFKD', s)
        only_ascii = nkfd_form.encode('ASCII', 'ignore')
        s = only_ascii.decode("utf8")
        if s in hollande_gagnant_clean:
            return hollande_gagnant_clean[s]
        else:
            keys = list(sorted(hollande_gagnant_clean.keys()))
            keys = [_ for _ in keys if _[0].lower() == s[0].lower()]
            print("impossible de savoir pour ", nom_dep, "*", s, "*", " --- ", keys[:5])
            return None

.. code:: ipython3

    import math
    
    def lambert932WGPS(lambertE, lambertN):
    
        class constantes:
            GRS80E = 0.081819191042816
            LONG_0 = 3
            XS = 700000
            YS = 12655612.0499
            n = 0.7256077650532670
            C = 11754255.4261
    
        delX = lambertE - constantes.XS
        delY = lambertN - constantes.YS
        gamma = math.atan(-delX / delY)
        R = math.sqrt(delX * delX + delY * delY)
        latiso = math.log(constantes.C / R) / constantes.n
        sinPhiit0 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * math.sin(1)))
        sinPhiit1 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit0))
        sinPhiit2 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit1))
        sinPhiit3 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit2))
        sinPhiit4 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit3))
        sinPhiit5 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit4))
        sinPhiit6 = math.tanh(latiso + constantes.GRS80E * math.atanh(constantes.GRS80E * sinPhiit5))
    
        longRad = math.asin(sinPhiit6)
        latRad = gamma / constantes.n + constantes.LONG_0 / 180 * math.pi
    
        longitude = latRad / math.pi * 180
        latitude = longRad / math.pi * 180
    
        return longitude, latitude
    
    lambert932WGPS(99217.1, 6049646.300000001), lambert932WGPS(1242417.2, 7110480.100000001)




.. parsed-literal::
    ((-4.1615802638173065, 41.303505287589545),
     (10.699505053975292, 50.85243395553585))



Puis on utilise le code de l’énoncé en changeant la couleur. Pas de
couleur indique les départements pour lesquels on ne sait pas.

.. code:: ipython3

    import cartopy.crs as ccrs
    import matplotlib.pyplot as plt
    ax = carte_france((8,8))
    
    from matplotlib.collections import LineCollection
    import shapefile
    import geopandas
    from shapely.geometry import Polygon
    from shapely.ops import cascaded_union, unary_union
     
    shp = departements
    r = shapefile.Reader(shp)
    shapes = r.shapes()
    records = r.records()
    
    polys = []
    colors = []
    for i, (record, shape) in enumerate(zip(records, shapes)):
        # Vainqueur
        dep = retourne_vainqueur(record[2])
        if dep is not None:
            couleur = "red" if dep else "blue"
        else:
            couleur = "gray"
        # les coordonnées sont en Lambert 93
        if i == 0:
            print(record, shape.parts, couleur)
        geo_points = [lambert932WGPS(x,y) for x, y in shape.points]
        if len(shape.parts) == 1:
            # Un seul polygone
            poly = Polygon(geo_points)
        else:
            # Il faut les fusionner.
            ind = list(shape.parts) + [len(shape.points)]
            pols = [Polygon(geo_points[ind[i]:ind[i+1]]) for i in range(0, len(shape.parts))]
            try:
                poly = unary_union(pols)
            except Exception as e:
                print("Cannot merge: ", record)
                print([_.length for _ in pols], ind)
                poly = Polygon(geo_points)
        polys.append(poly)
        colors.append(couleur)
        
    data = geopandas.GeoDataFrame(dict(geometry=polys, colors=colors))
    geopandas.plotting.plot_polygon_collection(ax, data['geometry'], facecolor=data['colors'],
                                               values=None, edgecolor='black');


.. parsed-literal::
    Record #0: ['DEPARTEM0000000000000004', '89', 'YONNE', '024', 'AUXERRE', 742447, 6744261, 748211, 6750855, '27', 'BOURGOGNE-FRANCHE-COMTE'] [0] blue


.. parsed-literal::

    c:\python372_x64\lib\site-packages\cartopy\mpl\geoaxes.py:388: MatplotlibDeprecationWarning: 
    The 'inframe' parameter of draw() was deprecated in Matplotlib 3.3 and will be removed two minor releases later. Use Axes.redraw_in_frame() instead. If any parameter follows 'inframe', they should be passed as keyword, not positionally.
      inframe=inframe)



.. image:: seance6_graphes_correction_45_2.png


La fonction fait encore une erreur pour la Corse du Sud… Je la laisse en
guise d’exemple.

exercice 3 avec les shapefile etalab
------------------------------------

Les données sont disponibles sur `GEOFLA®
Départements <https://www.data.gouv.fr/fr/datasets/geofla-departements-30383060/>`__
mais vous pouvez reprendre le code ce-dessus pour les télécharger.

.. code:: ipython3

    # ici, il faut dézipper manuellement les données
    # à terminer

exercice 4 : même code, widget différent
----------------------------------------

On utilise des checkbox pour activer ou désactiver l’un des deux
candidats.

.. code:: ipython3

    import matplotlib.pyplot as plt
    from ipywidgets import interact, Checkbox
    
    def plot(candh, cands):
        
        fig, axes = plt.subplots(1, 1, figsize=(14,5), sharey=True)
        if candh:
            data_elections.plot(x="rHollandeT1", y="rHollandeT2", kind="scatter", label="H", ax=axes)
        if cands:
            data_elections.plot(x="rSarkozyT1", y="rSarkozyT2", kind="scatter", label="S", ax=axes, c="red")
        axes.plot([0.2,0.7], [0.2,0.7], "g--")
        return axes
    
    candh = Checkbox(description='Hollande', value=True)
    cands = Checkbox(description='Sarkozy', value=True)
    
    interact(plot, candh=candh, cands=cands);



.. parsed-literal::
    interactive(children=(Checkbox(value=True, description='Hollande'), Checkbox(value=True, description='Sarkozy'…


Si aucune case à cocher n’apparaît, il faut se reporter à l’installation
du module
`ipywidgets <http://ipywidgets.readthedocs.io/en/stable/user_install.html>`__.
La cause la plus probable est l’oubli la seconde ligne

::
   pip install ipywidgets
   jupyter nbextension enable --py widgetsnbextension

qui active l’extension. Il faut relancer le serveur de notebook après
l’avoir exécutée depuis la ligne de commande.