Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
---
title: "Site de démo Quarto"
format:
html:
toc: true
toc-location: right
toc-title: "Sommaire"
code-fold: true
code-summary: "Voir le code"
code-copy: true
---
```{r}
#| label: library
#| include: false
#| warning: false
library(readr)
library(tidyr)
library(dplyr)
library(ggplot2)
library(gganimate)
#récupération du jeu de données des pingouins
library(palmerpenguins)
```
C'est un site de démo de *"Quarto website"*.
To learn more about Quarto websites visit <https://quarto.org/docs/websites>.
## Un calcul simple en R
Il s'agit d'un simple calcul. J'ai laissé la possibilité de voir le code.
```{r}
1 + 1
```
## Un graph simple en R
J'ai récupéré un jeu de données sur les films et séries Netflix. Le graphique présente le nombre cumulé de films et séries par année de sortie. Le code est accessible.
```{r}
#| label: netflix
#| fig-cap: "Netflix film"
#| warning: false
#| echo: true
netflix_titles <- read_delim("data/netflix_titles.csv",
delim = ";", escape_double = FALSE, locale = locale(),
trim_ws = TRUE)
grp_netflix <- netflix_titles %>%
group_by(release_year, type) %>%
count() %>%
filter(nchar(release_year)==4)
grp_netflix %>%
filter(release_year >= 1991L & release_year <= 2020L) %>%
ggplot() +
aes(x = release_year, y = n, fill = type, colour = type) +
geom_area(size = 1.5) +
scale_fill_hue(direction = 1) +
scale_color_hue(direction = 1) +
theme_minimal()
```
## Un graph simple en Python
J'ai récupéré un code tout fait en python et ça affiche un graphique. Le code est accessible.
```{python}
#| label: fig-polar
#| fig-cap: "A line plot on a polar axis"
#| warning: false
#| echo: true
import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r
fig, ax = plt.subplots(
subplot_kw = {'projection': 'polar'}
)
ax.plot(theta, r)
ax.set_rticks([0.5, 1, 1.5, 2])
ax.grid(True)
plt.show()
```
## Un graph simple en Observable
```{ojs}
data = FileAttachment("data/penguins.csv").csv({ typed: true })
Plot.plot({
inset: 8,
grid: true,
color: {
legend: true,
},
marks: [
Plot.dot(data, {x: "flipper_length_mm", y: "body_mass_g", stroke: "sex"})
]
})
```