Le mois de mai le plus chaud depuis 1979

Le programme Copernicus, a publié récemment un article affirmant qu’au niveau de la planète, nous venons de traverser le mois de mai le plus chaud depuis 1979 (date du début d’enregistrement des données) les données étant publiques, un petit programme informatique permet de confirmer ça !

Par ailleurs, il y’a de fortes chances que les images utilisées par Copernicus soit également faites en Python.

Avant 2020, mai 2016 était le mois le plus chaud

En affichant tous les mois et toutes les années on obtient :

La tendance à la hausse est clairement visible !

Code Python :

Les arbres connectés d’Issy-les-Moulineaux

Le code QR a été créé par Masahiro Hara, ingénieur de l’entreprise japonaise Denso-Wave, en 1994 pour suivre le chemin des pièces détachées dans les usines de Toyota, Il est rendu public en 1999.

QR Code (de l’anglais Quick Response) signifie que le contenu du code peut être décodé rapidement après avoir été lu par un lecteur de code-barres, un smartphone par exemple.
Son avantage est de pouvoir stocker plus d’informations qu’un code à barres, et surtout, il permet de déclencher facilement des actions depuis son téléphone.

Depuis peu, la ville d’Issy-les-Moulineaux a mis en place des QR Code pour 50 arbres dans la ville, ces derniers donnent accès à un site mobile personnalisé, illustré et multimédia (photographies, vidéos, bandes-son) donnant accès à un descriptif complet sur l’arbre.

Étant donné que la ville contient bien plus que 50 arbres, tous les trouver de façon aléatoire risque de prendre pas mal de temps.
Puisque la ville a rendu publiques les données concernant les arbres, et notamment leurs emplacements, l’Informatique peut intervenir !

Je penserai à aller voir le Sephora du Japon à mon prochain passage à Issy !

Code Python :

Quartet d’Anscombe en Python

En 1973, le statisticien Francis Anscombe a construit un jeu de données constitué de 4 ensembles (d’où le nom Quartet d’Anscombe) dans le but de démontrer l’importance de tracer des graphiques avant d’analyser des données, car cela permet notamment d’estimer l’incidence des données aberrantes sur les différents indices statistiques que l’on pourrait calculer.

Ces jeux de données possèdent les mêmes propriétés statistiques suivantes :

  • Même moyenne
  • Même variance
  • Même coefficient de corrélation
  • Même équation de droite de régression linéaire
  • Même somme des carrés des erreurs relativement à la moyenne

Malgré les fortes similarités, leurs représentations graphiques sont radicalement différentes, ce qui montre le rôle indispensable des graphiques dans chaque analyse de données !

Source des données : Wikipédia

Code Python :