Add initial project files and styles for data visualization

- Created a new Excel file: `departements-francais.xlsx` for data storage.
- Added a CSS file: `style.css` with custom styles for various mathematical environments including boxes for lemmas, theorems, definitions, and more, complete with automatic numbering.
- Initialized R project file: `tp2.Rproj` with default settings for workspace management and LaTeX integration.

M2/Data Visualisation/tp1/3-td_ggplot2 - enonce.Rmd

@@ -297,8 +297,8 @@ On présente ci-dessous un aperçu des données.
 fold <- getwd()
 
 # Load data
-# load(paste0(fold, "/data/datafreMPTL.RData"))
-load(paste0(fold, "/M2/Data Visualisation/tp1", "/data/datafreMPTL.RData"))
+load(paste0(fold, "/data/datafreMPTL.RData"))
+# load(paste0(fold, "/M2/Data Visualisation/tp1", "/data/datafreMPTL.RData"))
 paged_table(dat, options = list(rows.print = 15))
 ```
 
@@ -427,24 +427,24 @@ d’observations avec 0 sinistre, 1 sinistre, …
 :::
 
 ```{r}
-dat %>%
-  group_by(ClaimNb) %>%
-  summarise(n = n(), Exposure = round(sum(Exposure), 0)) %>%
+dat |>
+  group_by(ClaimNb) |>
+  summarise(n = n(), Exposure = round(sum(Exposure), 0)) |>
   kable(
     col_names = c(
       "Nombre de sinistres",
       "Nombres d'observations",
       "Exposition totale"
     )
-  ) %>%
-  kable_styling(full_width = F)
+  ) |>
+  kable_styling(full_width = FALSE)
 ```
 
 ```{r}
 pf_freq <- round(sum(dat$ClaimNb) / sum(dat$Exposure), 4)
 pf_freq
-``
-`
+```
+
 Ce calcul de fréquence sera ensuite utile pour l'affichage des
 résultats.
 
@@ -469,47 +469,45 @@ package **ggplot2**.
 ```{r, eval = FALSE}
 # On regroupe selon les modalites de la DrivAge
 # l'exposition, le nombre de sinistres et la frequence
-df_plot <- dat %>%
-  group_by(DrivAge) %>%
-  summarize(exp = Exposure, nb_claims = ClaimNb, freq = nb_claims / exp)
+df_plot <- dat |>
+  group_by(DrivAge) |> 
+  summarize(
+    exp = sum(Exposure),
+    nb_claims = sum(ClaimNb),
+    freq = sum(ClaimNb) / sum(Exposure)
+  )
 
 # Histogramme exposition
-ggplot(df_plot) +
-  geom_bar(
-    aes(x = DrivAge, y = exp),
-    stat = "identity",
-    fill = "lightblue",
-    color = "blue"
-  ) +
-  labs(
-    title = "Exposition par âge du conducteur",
-    x = "Âge du conducteur",
-    y = "Exposition"
-  ) +
-  theme_minimal()
+p1 <- ggplot(df_plot, aes(x = DrivAge, y = exp)) + 
+  geom_bar(stat = "identity", fill = "grey", color = "black", alpha = 0.5) +
+  labs(x = "Age du conducteur", y = "Exposition en années") +
+  theme_bw()
 
-# Histogramme frequence
-ggplot(df_plot) +
-  geom_bar(
-    aes(x = DrivAge, y = freq),
-    stat = "identity",
-    fill = "lightblue",
-    color = "blue"
-  ) +
-  labs(
-    title = "Fréquence par âge du conducteur",
-    x = "Âge du conducteur",
-    y = "Fréquence"
-  ) +
-  theme_minimal()
+  # Histogramme frequence
+  p2 <- ggplot(df_plot, aes(x = DrivAge, y = freq)) +
+    geom_bar(stat = "identity", fill = "grey", color = "black", alpha = 0.5) +
+    labs(x = "Age du conducteur", y = "Frequence") + 
+    theme_bw()
+  
+plot_grid(p1, p2, labels = c('A', 'B'), label_size = 12)
 ```
 
 ```{r}
+df_plot <- dat |>
+  group_by(DrivAge) |> 
+  summarize(
+    exp = sum(Exposure),
+    nb_claims = sum(ClaimNb),
+    freq = sum(ClaimNb) / sum(Exposure)
+  )
 
 # Scatter plot frequence
-
-# A compléter
-
+p3 <- ggplot(df_plot, aes(x = DrivAge, y = freq)) +
+  geom_point() + 
+  geom_smooth() +
+  labs(x = "Age du conducteur", y = "Frequence")  + 
+  theme_bw()
+p3
 ```
 
 ### Etape 4 : Examiner l'intéraction avec une autre variable {.unnumbered}
@@ -525,9 +523,20 @@ améliorations en modifiant les variables `DrivAge` et `BonusMalus`.
 ```{r}
 # On regroupe selon les modalites de la DrivAge et de Area
 # l'exposition, le nombre de sinistres et la frequence 
+df_plot <- dat |>
+  group_by(DrivAge, BonusMalus) |> 
+  summarize(
+    exp = sum(Exposure),
+    nb_claims = sum(ClaimNb),
+    freq = sum(ClaimNb) / sum(Exposure)
+  )
 
-# A compléter
-
+p4 <- ggplot(df_plot, aes(x = DrivAge, y = freq, color = BonusMalus)) +
+  geom_point() + 
+  geom_smooth() +
+  labs(x = "Age du conducteur", y = "Frequence", color = "Bonus-Malus") +
+  theme_bw()
+p4
 ```
 
 On propose 4 ajustements :
@@ -543,18 +552,29 @@ On propose 4 ajustements :
 lim_classes <- c(50, 75, 100, 125, Inf)
 
 # Exclusion des donnees "extremes" et faire les regroupement
-df_plot <- dat %>%
-  filter(DrivAge <= 85, BonusMalus <= 125) %>%
+df_plot <- dat |>
+  filter(DrivAge <= 85, BonusMalus <= 125) |>
   # regroupement en classes d'ages de 5 ans
-  mutate(DrivAge = ceiling(pmin(DrivAge, 85) / 5) * 5) %>%
-  mutate(BonusMalus = cut(BonusMalus, 
-                          breaks = lim_classes, include.lowest = TRUE))
+  mutate(DrivAge = ceiling(pmin(DrivAge, 85) / 5) * 5) |>
+  mutate(BonusMalus = cut(BonusMalus, breaks = lim_classes, include.lowest = TRUE))
   
 # On regroupe selon les modalites de la DrivAge et de Area
 # l'exposition, le nombre de sinistres et la frequence 
+df_plot <- df_plot |>
+  group_by(DrivAge, BonusMalus) |> 
+  summarize(
+    exp = sum(Exposure),
+    nb_claims = sum(ClaimNb),
+    freq = sum(ClaimNb) / sum(Exposure)
+  )
 
-# A compléter
-
+# Scatter plot frequence
+p5 <- ggplot(df_plot, aes(x = DrivAge, y = freq, color = BonusMalus)) +
+  geom_point() + 
+  geom_smooth() +
+  labs(x = "Age du conducteur", y = "Frequence", color = "Bonus-Malus") +
+  theme_bw()
+p5
 ```
 
 ### Conclure {.unnumbered}
@@ -565,8 +585,28 @@ bonus-malus.
 :::
 
 ```{r, fig.height = 6, fig.width = 12}
+# Histogramme plot frequence
+p6 <- ggplot(df_plot, aes(x = DrivAge, y = exp, fill = BonusMalus)) +
+  geom_bar(stat = "identity", color = "black", alpha = 0.5) +
+  scale_x_continuous(breaks = seq(20, 85, 20), limits = c(20, 85)) +
+  labs(x = "Age du conducteur", y = "Exposition en années") +
+  theme_bw()
 
-# A compléter
+
+# Ajustement des legendes pour faire un graphique multiple
+p5 <- p5 +
+  theme(
+    legend.position = "bottom"
+  ) +
+  labs(color = "BonusMalus")
+p6 <- p6 +
+  theme(
+    legend.position = "bottom"
+  ) +
+  labs(fill = "BonusMalus")
+
+# Creation d'un graphique avec deux figures et une légende commune
+plot_grid(p6, p5, ncol = 2)
 ```
 
 ### Bonus - Analyse des couples {.unnumbered}
@@ -579,7 +619,7 @@ les couples de variables.
 Compléter pour cela la fonction suivante et appliquer la à différents
 couples.
 
-```{r, eval = F}
+```{r}
 # Fonction d'analyse bivariée
 # df : nom du data.frame
 # var1 : nom de la variable explicative 1
@@ -591,39 +631,48 @@ plot_pairwise_disc <- function(df, var1, var2)
 #  replace variable vname by the binning variable
   if(is.numeric(df$varx))
   {
-    df <- df %>%
+    df <- df |>
       mutate(varx = ntile(varx, 5))
   }
  
  if(is.numeric(df$vary))
   {
-    df <- df %>%
+    df <- df |>
       mutate(vary = ntile(vary, 5),
              vary = factor(vary))
   }
  
- df %>% 
-   group_by(??) %>%
-   summarize(exp = ??,
-             nb_claims = ??,
-             freq = ??,
-             .groups = "drop") %>%
-   ggplot(aes(x = ??, 
-              y = ??,
-              colour = ??,
-              group = vary),
-          alpha = 0.3) + 
+ df |> 
+   group_by(varx, vary) |>
+   summarize(exp = sum(Exposure),
+             nb_claims = sum(ClaimNb),
+             freq = sum(ClaimNb) / sum(Exposure), .groups = "drop") |>
+   ggplot(aes(x = varx, 
+              y = freq,
+              colour = vary,
+              group = vary), alpha = 0.3) + 
    geom_point() + geom_line() + theme_bw() +
    labs(x = var1,  y = "Frequence", colour = var2)
 }
-`
-``
+```
+
+```{r}
+p1 <- plot_pairwise_disc(dat, "DrivAge", "BonusMalus")
+p2 <- plot_pairwise_disc(dat, "VehAge", "BonusMalus")
+p3 <- plot_pairwise_disc(dat, "BonusMalus", "VehBrand")
+p4 <- plot_pairwise_disc(dat, "VehBrand", "Area")
+p5 <- plot_pairwise_disc(dat, "BonusMalus", "VehGas")
+p6 <- plot_pairwise_disc(dat, "BonusMalus", "Area")
+p7 <- plot_pairwise_disc(dat, "DrivAge", "Area")
+p8 <- plot_pairwise_disc(dat, "VehPower", "VehGas")
+grid.arrange(p1, p2, p3, p4, p5, p6, p7, p8, ncol = 2)
+```
 :::
 
 # Informations de session {.unnumbered}
 
-```{r}
 sessionInfo()
 ```
 
-# Références
+# Références
+:::

M2/Data Visualisation/tp2/4-td_graphiques - enonce.Rmd

@@ -0,0 +1,413 @@
+---
+title: "Manipulation des graphiques"
+author: "Quentin Guibert"
+date: "Année 2025-2026"
+institute: "Université Paris-Dauphine | Master ISF"
+lang: fr
+link-citations: true
+output:
+  rmdformats::robobook:
+    highlight: kate
+    use_bookdown: true
+    css: style.css
+    lightbox : true
+    gallery: true
+    code_folding: show
+    theme: flatly
+    toc_float:
+      collapsed: no
+editor_options: 
+  markdown: 
+    wrap: 72
+---
+
+```{r setup, include=FALSE}
+## Global options
+knitr::opts_chunk$set(cache = FALSE, warning = FALSE, message = FALSE, fig.retina = 2)
+options(encoding = 'UTF-8')
+```
+
+
+```{r, echo = FALSE, fig.keep= 'none'}
+# Chargement des librairies graphiques
+library(lattice)
+library(grid)
+library(ggplot2)
+require(gridExtra)
+library(locfit)
+library(scales)
+library(formattable)
+library(RColorBrewer)
+library(plotly)
+library(dplyr)
+library(tidyr)
+library(rmarkdown)
+library(ggthemes)
+library(cowplot)
+
+```
+
+# Objectifs du TP
+
+L'objectif de ce TP vise à manipuler et utiliser à bon escient les différents
+types de graphiques du package  **ggplot2** (et éventuellement des packages
+associés).
+
+---
+
+# Prérequis
+
+-   Avoir installer `R` [ici](https://www.r-project.org/).
+-   Avoir installer un IDE, par exemple `RStudio`
+    [ici](https://www.rstudio.com/).
+-   Créer un nouveau projet (`File`, puis `New Projet`) dans un dossier
+    sur votre ordinateur.
+-   Télécharger [ici](https://moodle.psl.eu/course/view.php?id=21176)
+    les fichiers nécessaires au TD.
+
+Vous pouvez ensuite écrire vos codes soit :
+
+-   En ouvrant un nouveau script `.R` ;
+-   En ouvrant le ouvrant le rapport Rmarkdown `4-td_graphiques - enonce`.
+    Certains codes sont partiels et sont à compléter (indication `???`).
+    N'oubliez pas de modifier l'option `eval = TRUE` pour que les
+    calculs puissent être réalisés.
+
+
+---
+
+
+# Analyse du lien espérance de vie et GDP
+
+Dans ce TP, le jeu de données utilisé est le jeu `gapminder` du package
+**gapminder**. Il comprend des séries de données de PIB par habitant et d'espérance
+de vie par pays sur la période 1952-1990. Les observations ont lieu tous les 5 ans.
+
+## Données
+
+Dans un premier temps, il faut installer le package et le charger. 
+
+```{r}
+# install.packages("gapminder")
+library(gapminder)
+```
+
+Ce jeu de données contient 1706 observations où chaque ligne correspond à un 
+pays `country` pour une année d'observation `year`.
+
+```{r}
+paged_table(gapminder, options = list(rows.print = 15))
+```
+
+On se concentre plus particulièrement sur les variables suivantes :
+
+-   `lifeExp` : l'espérance de vie ;
+-   `gdpPercap` : le PIB par habitant en dollars (conversion sur base 2005) ;
+-   `pop` : la taille de la population ;
+-    `continent` : le continent d'appartenance.
+
+Pour plus détails, voir l'aide `?gapminder`.
+
+## But de la visualisation
+
+Dans ce TP, on cherche un ensemble de visualisations permettant de commenter
+le lien entre GDP et espérance de vie, globalement et à différents
+échelles géographiques :
+
+-   est-ce que les pays les plus développés en termes de PIB par habitant ont la
+meilleure espérance de vie ? 
+-   peut-on identifier des dynamiques différentes en fonction des pays ou des continents ?
+-   quels facteurs influencent également cette relation ?
+
+**En vous répartissant en groupes de 3-4 étudiant.e.s.**, choisissez pour chaque groupe, 
+une des 4 visualisations suivantes :
+
+-   visualisations utilisant des dot points.
+-   visualisations permettant de présenter une distribution.
+-   visualisations utilisant des cartes.
+
+## Différentes visualisations
+
+### Dot points
+
+::: exercise-box
+
+
+En partant de cette visualisation, construire une ou plusieurs visualisations 
+permettant d'analyser et de commenter les liens que vous 
+pouvez observer entre `gdpPercap` et `lifeExp`.
+
+:::
+
+```{r}
+ggplot(data = gapminder, aes(x = gdpPercap, y = lifeExp)) +
+  geom_point()
+```
+
+
+### Distributions
+
+::: exercise-box
+
+
+En partant de cette visualisation, analyser et commenter les écarts
+d'espérance de vie sur la planète. Vous pourrez aussi adopter d'autres 
+visualisations permettant de comparer des distributions. 
+
+:::
+
+```{r}
+ggplot(data = gapminder, aes(x = lifeExp)) + 
+    geom_density()
+```
+
+
+### Cartes
+
+Afin de visualiser plus précisément les caractéristiques régionales de l'espérance
+de vie et du PIB par habitant, nous décidons de faire des cartes. 
+
+Il faut au préalable récupérer un fond de carte (ici de l'année 2016). Nous prenons
+les données `gapminder` de 2007.
+
+```{r}
+library(giscoR)
+library(sf)
+
+world <- gisco_countries
+world <- subset(world, NAME_ENGL != "Antarctica") # Remove Antartica
+
+# Merge data
+world_df <- gapminder %>%
+  filter(year == "2007")
+world_df <- world %>%
+  left_join(world_df, by = c("NAME_ENGL" = "country"))
+
+ggplot(world_df) +
+  geom_sf(color = "black", fill = "grey") +
+  theme_void()
+```
+
+::: exercise-box
+
+
+En partant de la visualisation et  des données ci-dessus, représenter et analyser
+les disparités d'espérance 
+de vie et de revenus.
+:::
+
+---
+
+# Analyse des accidents à vélo en France
+
+Dans ce TP, nous nous intéressons aux accidents corporels survenus sur une voie
+ouverte à la circulation publique, impliquant au moins un véhicule et ayant fait
+au moins une victime ayant nécessité des soins) pour la période 2005-2021.
+
+L'objectif est de créer un ensemble de visualisations qui permettront de mieux 
+comprendre accidentologie des cyclistes, ce qui trouve de nombreuses sources 
+d'applications notamment en assurance. 
+
+Les données et documentation de ces données sont disponibles [ici](https://www.data.gouv.fr/fr/datasets/bases-de-donnees-annuelles-des-accidents-corporels-de-la-circulation-routiere-annees-de-2005-a-2021/).
+
+## Données
+
+Pour récupérer les données :
+
+1.   récupérer le fichier zippé "data_velo.zip".
+2.   créer un dossier "data" à la racine de votre projet.
+3.   placer y le contenu du dossier zippé.
+
+Les données se chargent avec la commande suivante.
+
+```{r}
+library(readxl)
+library(readr)
+library(tidyverse)
+
+# main data
+accidents <- read_csv("data/accidentsVelo.csv", 
+                      col_types = cols(Num_Acc = col_double(), 
+                                       date = col_date(format = "%Y-%m-%d")))
+
+# few ajustements 
+accidents <- accidents %>%
+  mutate(mois = factor(mois),
+         jour = factor(jour),
+         dep = factor(dep),
+         agg = factor(agg),
+         grav = factor(grav),
+         situ = factor(situ))
+
+# correct some issues with variables `hrmn`
+issue <- which(str_length(accidents$hrmn) == 4)
+correct <- accidents$hrmn[issue]
+correct <- paste0("0", str_sub(correct, 1, 1), ":", 
+                  str_sub(correct, 2, 2), str_sub(correct, 4, 4))
+accidents$hrmn[issue] <- correct
+
+# Extract hour
+accidents <- accidents %>%
+  mutate(hour = paste(date, hrmn, sep = " ")) %>%
+  mutate(hour = strptime(hour, "%Y-%m-%d %H:%M")$hour)
+
+# mapping table for french departments
+departements_francais <- read_excel("data/departements-francais.xlsx")
+```
+
+Ce jeu de données contient 74758 observations où chaque ligne correspond à un 
+accident.
+
+```{r}
+paged_table(accidents, options = list(rows.print = 15))
+```
+
+On se concentre plus particulièrement sur les variables suivantes :
+
+
+-   `date`, `an`, `mois`, `jour`, `hour`,  : la date, année, mois, jour et heure de l'accident ;
+-   `dep` : le département ;
+-   `agg` : la location (1 = "hors agglomération", 2 = "en agglomération") ;
+-   `lat` : latitude (pas toujours renseignée) ;
+-   `long` : longitude (pas toujours renseignée) ;
+-   `situ` : la situation de l'accident (-1 = Non renseigné, 0 = Aucun, 
+1 = Sur chaussée, 2 = Sur bande d’arrêt d’urgence, 3 = Sur accotement,
+4 = Sur trottoir, 5 = Sur piste cyclable, 6 = Sur autre voie spéciale, 8 = Autres) ;
+-   `grav`  : la gravité (1 = Indemne, 2 = Tué, 3 = Blessé hospitalisé, 
+4 = Blessé léger).
+
+D'autres variables intéressantes pourraient être étudiées, mais nous nous limitons 
+à celle-ci dans ce TP.
+
+## But de la visualisation
+
+Dans ce TP, on cherche à réaliser une analyse exploratoire du jeu de données 
+afin d'identifier les relations importantes entre le nombre d'accidents et
+ses déterminants :
+
+-   est-ce que les accidents sont plus situés en agglomération ? 
+-   comment les accidents se répartissent dans l'espace et dans le temps ? 
+-   quels impacts ont les situations de circulation sur la gravité des accidents ?
+
+En vous répartissant en groupes de 3-4 étudiant.e.s., choisissez pour chaque groupe, 
+une des 4 visualisations suivantes :
+
+-   visualisations utilisant des cartes statiques ou dynamiques.
+-   visualisations utilisant des bar plots.
+
+L'anayse a réalisé ici est préliminaire, d'autres informations intéressantes 
+sont à extraire de ce jeu de données.
+
+## Différentes visualisations
+
+### Carte
+
+#### Carte dynamique {-}
+
+::: exercise-box
+
+
+1.   Tracer une carte dynamique représentant la location des accidents (latitude, 
+longitude) en France sur toute la période en modulant la gravité.
+
+2.   Faire deux variantes de cette carte, selon le caractère urbain ou non des accidents. 
+
+3.   Commenter ces figures.
+
+4.   Quelles limites voyez-vous à cette représentation ? 
+
+:::
+
+Voici un premier code à trou pour vous aider. Pour alléger les temps de production
+afficher uniquement quelques points. Vous pourrez ajouter l'ensemble du jeu de données
+quand votre code sera finalisé. 
+
+```{r, eval = F}
+library(mapview)
+library(sf)
+
+## Remove NA
+df_map_dyn <- accidents %>%
+  filter(???) %>%
+  na.omit()
+
+# Make map and print it
+mymap <- st_as_sf(???)
+mapview(mymap, cex = 2, layer.name = "Gravité",
+        zcol = "grav",legend = TRUE )
+```
+
+
+#### Carte choroplèthe {-}
+
+::: exercise-box
+
+
+1.   Tracer une carte statistique de type chonoplèthe et représenter
+le nombre d'accidents par département.
+
+2. Faire plusieurs variantes de cette carte selon la gravité des accidents.
+
+:::
+
+Voici un premier code à trou pour vous aider.
+
+```{r, eval = F}
+# get french map - level nuts2
+fr <- gisco_get_nuts(resolution = "20", country = ???, nuts_level = ???) %>%
+  mutate(res = "20M")
+
+# Remove white-space to avoid errors.
+library(stringr)
+departements_francais <- departements_francais %>%
+  mutate(dep_name = str_trim(dep_name))
+
+fr <- fr %>%
+  mutate(NUTS_NAME = str_trim(NUTS_NAME))
+
+# Merge and remove departements outside metropolitan France
+fr_map <- fr %>%
+  left_join(???) %>%
+  filter(! dep %in% c("971", ???) )
+
+# count the number of accidents
+df_acc <-  ???
+
+# merge statistics with the map
+map_acc <- fr_map %>%
+  left_join(df_acc, by = c("dep" =  "dep"))
+
+# map with all accidents
+g_map_acc <- ggplot(map_acc) +
+  geom_sf(???) +
+   scale_fill_viridis_c(option = "viridis") +
+  labs(title = "Carte des accidents de vélo",
+       subtitle = "Année 2005-2021",
+       fill = "Nombre d'accidents") +
+  theme_void()
+g_map_acc
+```
+
+### Bar plots
+
+::: exercise-box
+
+
+1.   On s'intéresse à la répartition par mois et horaires des accidents (variable 
+`an`, `hour`, `mois`). Tracer des bar plots permettant de montrer la répartition 
+temporelle des accidents. 
+
+2. On s'intéresse à l'impact des situations de circulation. Tracer des bar plots 
+permettant de montrer la répartition de la gravité des accidents selon ces situations.   
+
+3.  Voyez-vous une évolution sur la période 2005-2021 ? 
+
+4. Réfléchir à des représentations alternatives pour les phénomènes périodiques.
+
+:::
+
+
+# Informations de session {-}
+```{r}
+sessionInfo()
+```

M2/Data Visualisation/tp2/data/accidents-velos-tableschema.json

@@ -0,0 +1,243 @@
+{
+  "fields": [
+    {
+      "name": "Num_Acc",
+      "title": "Identifiant accident ",
+      "type": "integer",
+      "description": "Numéro d'identification de l'accident"
+    },
+    {
+      "name": "date",
+      "title": "Date de l'accident ",
+      "type": "string",
+      "description": "Date de l'accident",
+      "rdfType": "http://schema.org/Date"
+    },
+    {
+      "name": "an",
+      "title": "Année de l'accident",
+      "type": "integer",
+      "description": "Année de l'accident"
+    },
+    {
+      "name": "mois",
+      "title": "Mois de l'accident",
+      "type": "string",
+      "description": "Mois de l'accident"
+    },
+    {
+      "name": "jour",
+      "title": "Jour de l'accident",
+      "type": "string",
+      "description": "Jour de l'accident"
+    },
+    {
+      "name": "hrmn",
+      "title": "Heure de l'accident ",
+      "type": "string",
+      "description": "Heure de l'accident"
+    },
+    {
+      "name": "dep",
+      "title": "Département ",
+      "type": "string",
+      "description": "Département de l'accident",
+      "rdfType": "http://rdf.insee.fr/def/geo#codeDepartement"
+    },
+    {
+      "name": "com",
+      "title": "Code commune ",
+      "type": "string",
+      "description": "code commune de l'accident",
+      "rdfType": "http://rdf.insee.fr/def/geo#codeCommune"
+    },
+    {
+      "name": "lat",
+      "title": "Latitude ",
+      "type": "number",
+      "description": "Latitude de l'accident",
+      "rdfType": "http://schema.org/latitude"
+    },
+    {
+      "name": "long",
+      "title": "Longitude ",
+      "type": "number",
+      "description": "Longitude de l'accident",
+      "rdfType": "http://schema.org/longitude"
+    },
+    {
+      "name": "agg",
+      "title": "agglomération",
+      "type": "integer",
+      "description": "Accident en agglomération ou hors agglomération"
+    },
+    {
+      "name": "int",
+      "title": "Type d'intersection ",
+      "type": "integer",
+      "description": "Type d'intersection de l'accident"
+    },
+    {
+      "name": "col",
+      "title": "Type de collision ",
+      "type": "integer",
+      "description": "Type de collision de l'accident"
+    },
+    {
+      "name": "lum",
+      "title": "Luminosité ",
+      "type": "integer",
+      "description": "Luminosité durant l'accident"
+    },
+    {
+      "name": "atm",
+      "title": "Conditions atmosphériques ",
+      "type": "integer",
+      "description": "Conditions atmosphériques durant l'accident"
+    },
+    {
+      "name": "catr",
+      "title": "Catégorie route ",
+      "type": "integer",
+      "description": "Catégorie de route de l'accident"
+    },
+    {
+      "name": "circ",
+      "title": "Circulation ",
+      "type": "integer",
+      "description": "Circulation durant l'accident"
+    },
+    {
+      "name": "nbv",
+      "title": "Nombre de voies ",
+      "type": "integer",
+      "description": "Nombre de voies de circulation de l'accident"
+    },
+    {
+      "name": "prof",
+      "title": "Profil en long ",
+      "type": "integer",
+      "description": "Profil en long de la route de l'accident"
+    },
+    {
+      "name": "plan",
+      "title": "Tracé en plan ",
+      "type": "integer",
+      "description": "Tracé en plan de la route de l'accident"
+    },
+    {
+      "name": "lartpc",
+      "title": "Largeur du TPC ",
+      "type": "number",
+      "description": "Largeur du terre-plein central (TPC) s'il existe (en m)"
+    },
+    {
+      "name": "larrout",
+      "title": "Largeur de la chaussée ",
+      "type": "number",
+      "description": "Largeur de la chaussée affectée à la circulation du sens de l'accident (en m)"
+    },
+    {
+      "name": "surf",
+      "title": "Etat de la surface ",
+      "type": "integer",
+      "description": "Etat de la surface de la route de l'accident"
+    },
+    {
+      "name": "infra",
+      "title": "Aménagement - Infrastructure ",
+      "type": "integer",
+      "description": "Infrastructure de la route de l'accident"
+    },
+    {
+      "name": "situ",
+      "title": "Situation ",
+      "type": "integer",
+      "description": "Situation de l'accident"
+    },
+    {
+      "name": "grav",
+      "title": "Gravité ",
+      "type": "string",
+      "description": "Gravité de l'accident"
+    },
+    {
+      "name": "sexe",
+      "title": "Sexe ",
+      "type": "integer",
+      "description": "Sexe de la victime"
+    },
+    {
+      "name": "age",
+      "title": "Age ",
+      "type": "integer",
+      "description": "Age de la victime"
+    },
+    {
+      "name": "trajet",
+      "title": "Motif de déplacement ",
+      "type": "integer",
+      "description": "Trajet de la victime"
+    },
+    {
+      "name": "secuexist",
+      "title": "Usage de sécurité",
+      "type": "integer",
+      "description": "Critère indiquant si la visctime utilisait un équipement de sécurité"
+    },
+    {
+      "name": "equipement",
+      "title": "Equipement ",
+      "type": "string",
+      "description": "Equipement de la victime"
+    },
+    {
+      "name": "obs",
+      "title": "Obstacle fixe heurté",
+      "type": "integer",
+      "description": "Obstacle fixe heurté durant l'accident (si obstacle fixe heurté)"
+    },
+    {
+      "name": "obsm",
+      "title": "Obstacle mobile heurté",
+      "type": "integer",
+      "description": "Obstacle mobile heurté durant l'accident (si obstacle mobile heurté)"
+    },
+    {
+      "name": "choc",
+      "title": "Choc subi",
+      "type": "integer",
+      "description": "Description du choc subi (si choc)"
+    },
+    {
+      "name": "manv",
+      "title": "Manoeuvre avant l'accident",
+      "type": "integer",
+      "description": "Manoeuvre du véhicule avant l'accident (si manoeuvre)"
+    },
+    {
+      "name": "vehiculeid",
+      "title": "Identifiant du véhicule",
+      "type": "string",
+      "description": "Identifiant du véhicule lié à l'accident, (format : id accident + id véhicule)"
+    },
+    {
+      "name": "typevehicules",
+      "title": "Type des autres véhicules",
+      "type": "string",
+      "description": "Type des véhicules liés à l'accident"
+    },
+    {
+      "name": "manoeuvehicules",
+      "title": "Manoeuvre du véhicule lié à l'accident",
+      "type": "string",
+      "description": "Manoeuvre des véhicules lié à l'accident (si manoeuvre)"
+    },
+    {
+      "name": "numVehicules",
+      "title": "Nombre d'autres véhicules",
+      "type": "integer",
+      "description": "Nombre d'autres véhicules lié à l'accident"
+    }
+  ]
+}

M2/Data Visualisation/tp2/style.css

@@ -0,0 +1,198 @@
+.infobox {
+  padding: 1em 1em 1em 4em;
+  margin-bottom: 10px;
+  border: 2px solid orange;
+  border-radius: 10px;
+  background: #f5f5f5 5px center/3em no-repeat;
+}
+
+/* Custom box styles for math environments */
+
+/* Lemma Box */
+.lemma-box {
+  border: 2px solid #3c8dbc;
+  background-color: #e6f7ff;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Theorem Box */
+.theorem-box {
+  border: 2px solid #2ca02c;
+  background-color: #eaffea;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Corollary Box */
+.corollary-box {
+  border: 2px solid #2ca02c;
+  background-color: #eaffea;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Proposition Box */
+.proposition-box {
+  border: 2px solid #ff7f0e;
+  background-color: #fff3e6;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Conjecture Box */
+.conjecture-box {
+  border: 2px solid #9467bd;
+  background-color: #f5e6ff;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Definition Box */
+.definition-box {
+  border: 2px solid #d62728;
+  background-color: #ffe6e6;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Example Box */
+.example-box {
+  border: 2px solid #17becf;
+/*  background-color: #e6f7ff;*/
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Exercise Box */
+.exercise-box {
+  border: 2px solid #1f77b4;
+  background-color: #e6f7ff;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Hypothesis Box */
+.hypothesis-box {
+  border: 2px solid #e377c2;
+  background-color: #ffe6f5;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Remark Box */
+.remark-box {
+  border: 2px solid #7f7f7f;
+  background-color: #f2f2f2;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Proof Box */
+.proof-box {
+  border: 2px solid #bcbd22;
+  background-color: #fafad2;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+/* Hint Box */
+.hint-box {
+  border: 2px solid #7f7f7f;
+  background-color: #f2f2f2;
+  padding: 10px;
+  border-radius: 8px;
+  margin: 10px 0;
+}
+
+
+/* Numérotation automatique */
+
+
+.lemma-box::before {
+  counter-increment: lemma-counter;
+  content: "Lemme " counter(lemma-counter) ". ";
+  font-weight: bold;
+}
+
+.theorem-box::before {
+  counter-increment: theorem-counter;
+  content: "Théorème " counter(theorem-counter) ". ";
+  font-weight: bold;
+}
+
+.corollary-box::before {
+  counter-increment: corollary-counter;
+  content: "Corollaire " counter(corollary-counter) ". ";
+  font-weight: bold;
+}
+
+.proposition-box::before {
+  counter-increment: proposition-counter;
+  content: "Proposition " counter(proposition-counter) ". ";
+  font-weight: bold;
+}
+
+.conjecture-box::before {
+  counter-increment: conjecture-counter;
+  content: "Conjecture " counter(conjecture-counter) ". ";
+  font-weight: bold;
+}
+
+.definition-box::before {
+  counter-increment: definition-counter;
+  content: "Définition " counter(definition-counter) ". ";
+  font-weight: bold;
+}
+
+.example-box::before {
+  counter-increment: example-counter;
+  content: "Exemple " counter(example-counter) ". ";
+  font-weight: bold;
+}
+
+
+.exercise-box::before {
+  counter-increment: exercise-counter;
+  content: "Question " counter(exercise-counter) ". ";
+  font-weight: bold;
+}
+
+.hypothesis-box::before {
+  counter-increment: hypothesis-counter;
+  content: "Hypothèse " counter(hypothesis-counter) ". ";
+  font-weight: bold;
+}
+
+.remark-box::before {
+  counter-increment: remark-counter;
+  content: "Remarque " counter(remark-counter) ". ";
+  font-weight: bold;
+}
+
+.proof-box::before {
+  counter-increment: proof-counter;
+  content: "Preuve " counter(proof-counter) ". ";
+  font-weight: bold;
+}
+
+.hint-box::before {
+  content: "Indice." ;
+  font-weight: bold;
+}
+
+/* Initialisation des compteurs */
+body {
+  counter-reset: lemma-counter corollary-counter proposition-counter conjecture-counter definition-counter example-counter exercise-counter hypothesis-counter remark-counter proof-counter;
+}

M2/Data Visualisation/tp2/tp2.Rproj

@@ -0,0 +1,17 @@
+Version: 1.0
+
+RestoreWorkspace: Default
+SaveWorkspace: Default
+AlwaysSaveHistory: Default
+
+EnableCodeIndexing: Yes
+UseSpacesForTab: Yes
+NumSpacesForTab: 2
+Encoding: UTF-8
+
+RnwWeave: Sweave
+LaTeX: pdfLaTeX
+
+BuildType: Website
+
+SpellingDictionary: fr_FR