61 lines
3.3 KiB
Markdown
61 lines
3.3 KiB
Markdown
# Premiers graphiques
|
||
|
||
On peut désormais tracer nos premiers graphiques simples et bruts à partir du dataset minuté construit au chapitre précédent.
|
||
S'ils ne sont pas encore très instructifs par rapport à ce que nous fournissent déjà Home Assistant et InfluxDB, ils nous permettent au moins de nous assurer que tout fonctionne, que les données semblent cohérentes, et que la chaîne « export → préparation → visualisation » tient la route.
|
||
Les scripts de ce chapitre s’appuient sur [`pandas`](https://pandas.pydata.org/) et sur la bibliothèque de visualisation [`Matplotlib`](https://matplotlib.org/) (via le module `meteo.plots`) pour produire des graphiques standards : séries temporelles, _heatmaps_, calendriers.
|
||
Les fichiers CSV correspondant à chaque figure sont conservés dans le sous-dossier `data/` de ce chapitre, ce qui permet de réutiliser directement les séries pré-agrégées si besoin.
|
||
|
||
```shell
|
||
python "docs/03 - Premiers graphiques/scripts/plot_basic_variables.py"
|
||
```
|
||
|
||
Ce script lit `data/weather_minutely.csv`, sélectionne éventuellement une fenêtre temporelle (par exemple les derniers jours si l’on utilise l’option `--days`) puis choisit une fréquence d’agrégation adaptée pour ne pas saturer le graphique en points.
|
||
Pour chaque variable (température, pression, humidité, pluie, vent, illuminance, élévation du soleil), il applique un style par défaut : courbe continue pour les variables lisses, diagramme en barres pour la pluie, nuage de points pour la direction du vent, etc.
|
||
L’idée est d’obtenir une première vue d’ensemble de la [série temporelle](https://fr.wikipedia.org/wiki/S%C3%A9rie_temporelle) de chaque variable, sans prise de tête :
|
||
|
||
- vérifier le cycle quotidien de la température et de l’élévation solaire ;
|
||
- repérer les paliers ou dérives de capteurs (pression trop plate, humidité coincée, etc.) ;
|
||
- confirmer que les unités, ranges et horodatages sont plausibles.
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## Vues calendrier
|
||
|
||
```shell
|
||
python "docs/03 - Premiers graphiques/scripts/plot_calendar_overview.py"
|
||
```
|
||
|
||
Le second script propose une vue complémentaire sous forme de _calendrier thermique_ (une [carte de chaleur](https://fr.wikipedia.org/wiki/Carte_de_chaleur) disposée en jours et mois).
|
||
À partir du même dataset minuté, il calcule des moyennes quotidiennes (température, humidité, pression, illuminance, vent) ou des cumuls quotidiens (pluie), puis remplit une matrice « mois x jours » pour l’année la plus récente disponible.
|
||
Ces vues servent surtout à :
|
||
|
||
- repérer rapidement les saisons, épisodes pluvieux ou périodes de vent soutenu ;
|
||
- détecter des trous dans la série (jours entièrement manquants) ;
|
||
- avoir un aperçu global de l’année sans zoomer/dézoomer en permanence sur une longue série temporelle.
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|