Supprimer 'ProjetStats/projet.py'

ProjetStats/projet.py

@@ -1,95 +0,0 @@
-import pandas as pd 
-import psycopg2 as psy 
-import numpy as np
-import matplotlib.pyplot as plt
-import subprocess as  sp
-
-
-# Problématique : Où en est la liberté de la presse dans le monde?
-
-    # -- Quantité -- #
-
-# le format des données est ".csv" et elles sont séparées
-
-# 180 lignes et 16 colonnes
-
-# Les colonnes les plus importantes pour une étude statistique sont les pays bien-sûr,
-# les scores économiques et politiques avec les scores sociaux et de sécurité
-# ainsi que tous les autres scores. Ceux sont eux qui vont pouvoir calculer le classement. 
-# Ces derniers pourront nous permettre d'établir
-# un lien entre la position du pays dans le classement et leur scores respectifs.
-# Les autres caractéristiques pertinentes sont aussi le nombre de journalistes 
-# ou personnes travaillant dans les media qui ont été emprisonnés ou tués.
-# très intéressant à mettre en perspective avec la liberté de la presse en 2022.
-
-    # -- Nettoyage et présentation de données -- #
-
-data = pd.read_csv(r'Report_2022.csv')
-df = pd.DataFrame(data)
-df = df.drop_duplicates()
-df=df.dropna()
-# print(df)
-
-
-    
-# Les données sont des nombre décimaux notamment pour les différents score des pays
-#, des entiers pour le nombre de journalistes tués ou emprisonnés,
-# et des chaînes de caractères afin de de désigner un pays.
-
-# Nous pouvons calculer plusieurs statistiques qui vont être intéressantes pour notre étude.
-# Par exemple, l'étendue ou la moyenne des différents scores,
-# la somme des pays où la situation est considérée problématique ou "vraiment sérieuse"
-# La moyenne des journalistes tués par pays, La moyenne des journalistes emprisonnés par pays
-
-secscore = df["Security Score"]
-print("Moyenne du score de sécurité : ",secscore.mean())
-
-socscore = df["Social Score"]
-print("Moyenne du score social : ",socscore.mean())
-
-socscore = df["Social Score"]
-print("Moyenne du score social : ",socscore.mean())
-
-polscore = df["Politic Score"]
-print("Moyenne du score politique : ",polscore.mean())
-
-ecoscore = df["Economic Score"]
-print("Moyenne du score économique : ",ecoscore.mean())
-
-jkilled = df["Journalist Killed"]
-print("Moyenne des journalistes tués dans le monde : ", jkilled.mean())
-
-jimp = df["Journalist Imprisoned"]
-print("Moyenne des journalistes emprisonnés dans le monde : ", jimp.mean())
-
-# Boîte à moustache du score global, qui nous permettra de voir la médiane,
-# et les données "abérrantes" dans le cas où il y en a.
-gscore = df["Global Score"]
-plt.figure()
-gscore.plot.box()
-plt.show()
-# On remarque qu'aucune données n'est considérées comme "abérrantes". 
-
-
-# Histogramme des journalistes tués par pays
-plt.figure()
-jkilled.hist(bins=50)
-plt.title("Histogramme des journalistes tués par pays")
-plt.xlabel("Nombre de journalistes tués")
-plt.ylabel("Nombre de pays")
-plt.show()
-# Grâce à cet histogramme, nous pouvons remarquer que plus de 160 pays n'ont pas
-# tués de journaliste. On constate également, 
-# que le record de l'année est à 9 journalistes tués. Record détenu par le Mexique.
-
-
-# Histogramme du score global
-plt.figure()
-gscore.hist(bins=50)
-plt.title("Histogramme du score global")
-plt.xlabel("Score sur 100")
-plt.ylabel("Nombre de pays")
-plt.show()
-# Clui-ci permet d'avoir une idée globale de la répartiotion du score globale,
-# que l'on pourra comparer avec nos données actuelles.
-