les données covid

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# le repo github - si vous êtes curieux

official_url = "https://github.com/CSSEGISandData/COVID-19"

# le repo qui va vraiment vous servir, avec le fichier json

json_url = "https://pomber.github.io/covid19/timeseries.json"

# pensez à bien installer le module requests

import requests

json_url = "https://pomber.github.io/covid19/timeseries.json"
by_country = None

# mettez cette variable à True si vous avez une bonne connexion

good_connection = False
#good_connection = True

# le code UNIQUEMENT SI VOUS AVEZ UNE BONNE CONNEXION INTERNET

if good_connection:
    response = requests.get(json_url)
    print(response.ok)

    by_country = response.json()

    print(type(by_country))

else:
    print('pas bonne connexion - pas grave...')

# le code

if by_country is not None:
    print('on utilise les données déjà chargées')
else:
    import json
    json_file = 'data/covid-frozen.json'

    with open(json_file) as f:
        by_country = json.load(f)

    print(type(by_country))

# regardons un peu la première clé de ce dictionnaire

# les 4 premières clés
list(by_country.keys())[:4]

# votre code
# rangez votre résultat dans la variable global_df

# global_df = ...

# votre code

# votre code

# votre code

# votre code

# votre code

# si on essaie d'accéder à la ligne d'index 0
# on remarque qu'en fait on obtient .. plein de lignes
global_df.loc[0]

# le code
d = pd.to_datetime('2020-12-22')
print(d.year,  # 2020
      d.month, # 12
      d.day)   # 22

# sans indication ça peut être ambigu

pd.to_datetime('2020-1-2').day

# c'est parfois nécessaire de bien préciser le format

pd.to_datetime('2020-1-2', format='%Y-%d-%m').day

# mais sinon c'est très flexible

pd.to_datetime('2021'), pd.to_datetime('aug 2021'),

# .. très flexible

pd.to_datetime('15 july 2021'), pd.to_datetime('15 july 2021 08:00')

# votre code

# votre code

# votre code

# votre code

# votre code

# votre réponse

# votre code

# votre code

# votre code

# votre code

# ce qui nous donne le code suivant
# plutôt subtil, mais vraiment puissant

### pour slicer sur les deux composantes de l'index

# NB: si on voulait tous les pays on pourrait faire
# countries = slice(None)
# qui est équivalent à utiliser ::
# sauf qu'à nouveau ce n'est pas possible syntaxiquement ici
countries = ['France', 'Italy']
time_slice = slice('july 2021', '15 aug 2021')

clean_df.loc[
    # les lignes: c'est un 2-index donc on peut passer 2 slices
    (countries, time_slice),
    # les colonnes: on les veut toutes
    :]

# illustration

# 3 colonnes donc 3 courbes
# 4 lignes donc 4 points sur chaque courbe

df = pd.DataFrame(
    {'a': [0, 10, 20, 30], 'b': [5, 10, 15, 25], 'c': [30, 15, 5, 0]},
    index = ['early', 'before', 'now', 'predicted'],
)
df

# remarquez que pour toutes les courbes,
# c'est toujours l'index qui sert d'abscisse

df.plot();

# votre code

# votre code

# votre code

# votre code

# le code du unstack

# df6 = df3.unstack(0)
# df6

# que du coup il n'y a plus qu'à plotter
# 
# à vous

# bonus code