#!/usr/bin/env python3
# -*- coding: utf-8 -*-


# TD5 — Corrigé  Mini-projet pandas avec Our World in Data  Pour reproduire les résultats
# sans réseau, télécharger et extraire le dossier complet : il fournit data/gdp-per-
# capita-worldbank.csv et data/life-expectancy.csv, copiés sans modification depuis le
# dépôt. Lancer le script depuis ce dossier ou ouvrir le notebook à cet endroit. Le CSV
# OWID en ligne peut évoluer ; les résultats présentés proviennent de la copie locale dont
# la dernière année est 2025.  Exécuter toutes les cellules dans l’ordre, depuis une
# session neuve. Pour les données, extraire le dossier complet et ouvrir le notebook à sa
# racine. Les sorties sont celles d’une exécution de référence.  Bibliothèques :
# matplotlib ; pandas en plus au TD5.

# Démarche en pseudo-code 1 — Pipeline pandas final
# Objectif : mini-projet descriptif avec un CSV OWID
# 1. Lire le CSV
# 2. Inspecter lignes, colonnes et types
# 3. Renommer les colonnes utiles
# 4. Filtrer une annee et quelques pays
# 5. Calculer moyenne, mediane, min, max
# 6. Tracer un graphique lisible
# 7. Exporter un tableau propre
# 8. Rediger une interpretation prudente

# Démarche en pseudo-code 2 — Passer du tableau au graphique
# Objectif : representer les dix valeurs les plus elevees
# Entree : tableau latest sans valeurs manquantes
# 1. Trier le tableau par PIB par habitant decroissant
# 2. Garder les dix premieres lignes
# 3. Tracer une barre par pays
# 4. Ajouter titre, axes et rotation des etiquettes
# 5. Sauvegarder la figure dans le dossier out
# Sortie : fichier gdp_top10.png

# Exercice 1 — Préparer le script
# Objectif : Créer le dossier de sortie du mini-projet.
# Démarche : Enregistrer le fichier dans le dossier TD5, ouvrir ce dossier dans VS Code,
# puis y lancer Python. exist_ok=True permet de réexécuter sans erreur si out existe déjà.

from pathlib import Path

out_dir = Path("out")
out_dir.mkdir(exist_ok=True)

# Résultat et interprétation : Un dossier out existe dans le dossier courant. Les images
# et tableaux y seront enregistrés.


# Exercice 2 — Vérifier le dossier courant
# Objectif : Vérifier le dossier courant.
# Démarche : Afficher le lieu depuis lequel Python travaille, qui peut être différent du
# dossier où le script est enregistré.

print("Dossier courant :", Path.cwd())
print("Le dossier out existe :", out_dir.exists())
# Ces affichages de diagnostic peuvent être retirés après vérification.

# Résultat et interprétation : Le premier chemin dépend de votre ordinateur ; le second
# affichage doit être True. Aucun chemin personnel n’est nécessaire dans le code.


# Exercice 3 — Lire le CSV OWID
# Objectif : Lire et inspecter le CSV OWID.
# Démarche : L’énoncé propose la lecture distante et autorise la lecture locale. La ligne
# distante est indiquée ci-dessous ; le corrigé exécute la copie du dépôt pour garantir
# les mêmes résultats hors connexion. Pour un essai en ligne, remplacer la ligne locale
# par la ligne commentée.

import pandas as pd

url = "https://ourworldindata.org/grapher/gdp-per-capita-worldbank.csv"
# Version en ligne de l'énoncé : df = pd.read_csv(url)
df = pd.read_csv("data/gdp-per-capita-worldbank.csv")
print(df.head())
print(df.shape)
print(df.columns)
# Copie locale fournie : 7445 lignes et 5 colonnes.

# Résultat et interprétation : La copie locale contient 7445 lignes et 5 colonnes. head
# affiche les cinq premières lignes ; shape donne (lignes, colonnes). Le fichier distant
# peut avoir d’autres dimensions.


# Exercice 4 — Repérer la colonne de l'indicateur
# Objectif : Identifier la colonne numérique du PIB.
# Démarche : Lire les noms avant de sélectionner la colonne. La dernière colonne du
# fichier local contient une région, et non le PIB.

print(list(df.columns))
print("Dernière colonne :", df.columns[-1])
# Le PIB de la copie fournie est dans "GDP per capita".
value_col = "GDP per capita"
print("Colonne du PIB :", value_col)
print("Type de cette colonne :", df[value_col].dtype)

# Résultat et interprétation : Colonnes : Entity, Code, Year, GDP per capita, World region
# according to OWID. df.columns[-1] renvoie la région : le raccourci de l’énoncé ne
# convient pas à ce fichier.
# Vigilance : En ligne, le nom peut être plus long. Inspecter à nouveau df.columns et
# adapter value_col ; ne jamais renommer une région textuelle en gdp_pc.

# Exercice 5 — Renommer proprement
# Objectif : Renommer les colonnes en conservant la bonne mesure.
# Démarche : Réutiliser le nom vérifié à l’exercice 4, puis sélectionner trois colonnes
# pour contrôler le résultat.

df = df.rename(columns={
    "Entity": "country",
    "Code": "code",
    "Year": "year",
    value_col: "gdp_pc"
})
print(df[["country", "year", "gdp_pc"]].head())

# Résultat et interprétation : country, year et gdp_pc sont disponibles. gdp_pc reste
# numérique. Les métadonnées OWID de cet indicateur annoncent des dollars internationaux
# aux prix de 2021, ajustés pour les différences de prix.


# Exercice 6 — Débogage pandas guidé
# Objectif : Diagnostiquer quatre difficultés distinctes.
# Démarche : Faire un contrôle ciblé avant de modifier le calcul : interpréteur, chemin,
# colonne, puis contenu du filtre.

# 1. ModuleNotFoundError : pandas n'est pas dans le Python utilisé.
#    Dans le terminal de cet environnement : python3 -m pip install pandas
# 2. FileNotFoundError : vérifier Path.cwd() et l'existence de data/le_fichier.csv.
print("CSV local présent :", Path("data/gdp-per-capita-worldbank.csv").exists())
# 3. KeyError 'gdp_pc' : vérifier le nom exact et relancer le renommage.
print("Colonnes après renommage :", list(df.columns))
# 4. selection vide : vérifier l'année, les données manquantes et les noms.
#    Les contrôles sur latest et selection arrivent aux exercices 7 à 9.

# Résultat et interprétation : Le chemin local existe et la liste des colonnes contient
# gdp_pc. Un tableau vide n’est pas nécessairement une exception Python.


# Exercice 7 — Sélectionner une année récente
# Objectif : Sélectionner la dernière année du fichier.
# Démarche : Prendre le maximum de year, filtrer cette année puis retirer les lignes sans
# PIB. copy crée un extrait de travail indépendant.

latest_year = df["year"].max()
latest = df.loc[df["year"] == latest_year].copy()
latest = latest.dropna(subset=["gdp_pc"])
print("Dernière année :", latest_year)
print("Dimensions de latest :", latest.shape)

# Résultat et interprétation : 2025 et (198, 5) dans la copie fournie. Cette année est
# commune au filtre, et non la dernière observation propre à chaque pays. latest contient
# aussi des agrégats régionaux.


# Exercice 8 — Sélectionner quelques pays
# Objectif : Retenir les huit pays demandés.
# Démarche : isin teste l’appartenance à la liste. Les noms anglais doivent correspondre
# exactement au fichier ; le filtre conserve l’ordre du tableau source.

pays_selection = [
    "France", "Germany", "Spain", "Poland",
    "United States", "China", "India", "Brazil"
]
selection = latest.loc[latest["country"].isin(pays_selection)].copy()
print(selection[["country", "gdp_pc"]].to_string(index=False))
print("Nombre de pays retenus :", len(selection))

# Résultat et interprétation : Huit pays en 2025. France : 55124.540 ; Germany : 62823.773
# ; United States : 76931.310 ; India : 10039.071, dans l’unité de l’indicateur.


# Exercice 9 — Diagnostiquer une sélection vide
# Objectif : Tester une faute de nom et restaurer le bon filtre.
# Démarche : Faire l’expérience sur une liste distincte pour conserver la bonne sélection.
# Une faute sur un pays retire cette ligne, sans vider tout le tableau.

pays_test = [
    "France", "Germanie", "Spain", "Poland",
    "United States", "China", "India", "Brazil"
]
selection_test = latest.loc[latest["country"].isin(pays_test)].copy()
print("Avec la faute :", len(selection_test))
print("Sans la faute :", len(selection))
print(sorted(latest["country"].unique())[:10])
# La sélection correcte utilise toujours Germany.
selection = latest.loc[latest["country"].isin(pays_selection)].copy()

# Résultat et interprétation : La sélection fautive contient sept pays, la sélection
# correcte huit. Pour une sélection totalement vide, contrôler chaque condition
# séparément.


# Exercice 10 — Statistiques descriptives simples
# Objectif : Calculer cinq statistiques descriptives.
# Démarche : Les méthodes agissent sur la colonne numérique. Pour une série de booléens,
# mean compte les True comme 1 et les False comme 0 : on obtient ainsi une proportion.

moyenne = selection["gdp_pc"].mean()
mediane = selection["gdp_pc"].median()
minimum = selection["gdp_pc"].min()
maximum = selection["gdp_pc"].max()
part_au_dessus = (selection["gdp_pc"] > moyenne).mean() * 100
print(f"Moyenne : {moyenne:.2f}")
print(f"Médiane : {mediane:.2f}")
print(f"Minimum : {minimum:.2f}")
print(f"Maximum : {maximum:.2f}")
print(f"Part au-dessus de la moyenne : {part_au_dessus:.1f} %")

# Résultat et interprétation : Moyenne 43281.58 ; médiane 48121.35 ; minimum 10039.07 ;
# maximum 76931.31 ; proportion 62.5 % (5/8). Il s’agit d’une moyenne simple des pays,
# sans pondération démographique.


# Exercice 11 — Graphique du top 10
# Objectif : Tracer les dix pays ou territoires aux PIB par habitant les plus élevés.
# Démarche : L’énoncé parle de pays, mais latest contient aussi des agrégats. Dans ce
# fichier, les codes pays ou territoires ont trois caractères ; les codes régionaux WB_…
# et OWID_… sont plus longs. Les exclure avant de trier et de garder dix lignes.

import matplotlib.pyplot as plt

# Critère adapté à ce CSV inspecté, incluant des territoires comme Macao.
latest_pays = latest.loc[latest["code"].str.len() == 3].copy()
top10 = latest_pays.sort_values("gdp_pc", ascending=False).head(10)
print(top10[["country", "gdp_pc"]].to_string(index=False))
ax = top10.plot(kind="bar", x="country", y="gdp_pc", legend=False, figsize=(9, 5))
ax.set_xlabel("Pays ou territoire")
ax.set_ylabel("Dollars internationaux par habitant (prix de 2021)")
ax.set_title(f"Top 10 du PIB par habitant - {latest_year}")
plt.xticks(rotation=45, ha="right")
plt.tight_layout()
plt.savefig(out_dir / "gdp_top10.png", dpi=300)
plt.show()
plt.close()

# Résultat et interprétation : Singapore arrive en tête de ce fichier (139592.610), suivi
# d’Ireland et Luxembourg. United States est dixième. Ce top 10 concerne tous les pays ou
# territoires disponibles, pas les huit pays de selection.


# Exercice 12 — Exporter un tableau propre
# Objectif : Exporter uniquement les quatre colonnes demandées.
# Démarche : Choisir explicitement les colonnes ; index=False évite d’ajouter les numéros
# de lignes de pandas au CSV.

selection[["country", "code", "year", "gdp_pc"]].to_csv(
    out_dir / "gdp_selection.csv",
    index=False
)
print("Export créé :", out_dir / "gdp_selection.csv")

# Résultat et interprétation : out/gdp_selection.csv contient huit lignes de données et
# quatre colonnes, sans colonne d’index supplémentaire.


# Exercice 13 — Interprétation finale
# Objectif : Rédiger une interprétation de sept lignes.
# Démarche : Citer les valeurs de la sélection de huit pays, distincte du top 10 mondial,
# puis annoncer les limites.

# L'année étudiée dans la copie locale est 2025.
# United States a le PIB par habitant le plus élevé de la sélection : 76 931,31.
# India a le plus faible : 10 039,07 dollars internationaux aux prix de 2021.
# La moyenne simple vaut 43 281,58 et la médiane 48 121,35 dans cette unité.
# France (55 124,54) est au-dessus de cette moyenne de huit pays.
# Le choix des huit pays influence ces résultats ; ce n'est pas une moyenne mondiale.
# Le PIB par habitant ne décrit ni les inégalités internes ni toutes les dimensions du développement.

# Résultat et interprétation : Sept lignes fondées sur les résultats exécutés. Si vous
# utilisez un nouveau téléchargement, recalculer les valeurs et adapter ces commentaires.


# Question facultative 1 — Tracer seulement les huit pays sélectionnés.
# Objectif : Tracer seulement les huit pays sélectionnés.
# Démarche : Trier selection au lieu de latest_pays pour changer le périmètre de la
# figure.

selection_triee = selection.sort_values("gdp_pc", ascending=False)
ax = selection_triee.plot(kind="bar", x="country", y="gdp_pc", legend=False, figsize=(8, 5))
ax.set_ylabel("Dollars internationaux par habitant (prix de 2021)")
ax.set_xlabel("Pays")
ax.set_title(f"Huit pays sélectionnés - {latest_year}")
plt.xticks(rotation=45, ha="right")
plt.tight_layout()
plt.savefig(out_dir / "gdp_pays_selection.png", dpi=300)
plt.show()
plt.close()

# Résultat et interprétation : United States est en tête de ces huit pays, mais pas du top
# 10 de tous les pays et territoires.


# Question facultative 2 — Comparer la France à trois pays.
# Objectif : Comparer la France à trois pays.
# Démarche : Filtrer les quatre lignes, puis soustraire la valeur française pour rendre le
# sens des écarts explicite.

comparaison = selection.loc[selection["country"].isin(
    ["France", "Germany", "United States", "China"]
)].copy()
valeur_france = comparaison.loc[comparaison["country"] == "France", "gdp_pc"].iloc[0]
comparaison["ecart_a_france"] = comparaison["gdp_pc"] - valeur_france
print(comparaison[["country", "gdp_pc", "ecart_a_france"]].to_string(index=False))

# Résultat et interprétation : Germany et United States dépassent France ; China est en
# dessous. L’écart de France à elle-même vaut zéro.


# Question facultative 3 — Créer une colonne de booléens.
# Objectif : Créer une colonne de booléens.
# Démarche : Comparer chaque valeur à la même moyenne de sélection calculée à l’exercice
# 10.

selection["above_selection_mean"] = selection["gdp_pc"] > moyenne
print(selection[["country", "above_selection_mean"]].to_string(index=False))

# Résultat et interprétation : True pour France, Germany, Poland, Spain et United States ;
# False pour Brazil, China et India.


# Question facultative 4 — Exporter le top 10.
# Objectif : Exporter le top 10.
# Démarche : Conserver les quatre colonnes documentées, sans index pandas.

top10[["country", "code", "year", "gdp_pc"]].to_csv(
    out_dir / "gdp_top10.csv", index=False
)
print("Top 10 exporté :", out_dir / "gdp_top10.csv")

# Résultat et interprétation : Un CSV de dix lignes, correspondant exactement au graphique
# du top 10.


# Question facultative 5 — Tracer la série française depuis 1990.
# Objectif : Tracer la série française depuis 1990.
# Démarche : Repartir de df, qui contient toutes les années, et non de latest. Trier les
# années avant de relier les points.

france_serie = df.loc[(df["country"] == "France") & (df["year"] >= 1990)].copy()
france_serie = france_serie.dropna(subset=["gdp_pc"]).sort_values("year")
ax = france_serie.plot(x="year", y="gdp_pc", legend=False)
ax.set_xlabel("Année")
ax.set_ylabel("Dollars internationaux par habitant (prix de 2021)")
ax.set_title("PIB par habitant de la France depuis 1990")
plt.tight_layout()
plt.savefig(out_dir / "gdp_france_depuis_1990.png", dpi=300)
plt.show()
plt.close()
print("Années disponibles :", france_serie["year"].min(), france_serie["year"].max())

# Résultat et interprétation : La série fournie couvre 1990 à 2025. La trajectoire n’est
# pas une croissance uniforme : elle présente notamment des baisses à certaines dates.


# Question facultative 6 — Ajouter World lorsqu’il est disponible.
# Objectif : Ajouter World lorsqu’il est disponible.
# Démarche : Repartir de la liste de noms demandée et y ajouter World ; afficher aussi
# cette référence seule pour vérifier sa présence.

pays_avec_monde = pays_selection + ["World"]
selection_avec_monde = latest.loc[latest["country"].isin(pays_avec_monde)].copy()
monde = latest.loc[latest["country"] == "World", ["country", "gdp_pc"]]
if monde.empty:
    print("World n'est pas disponible pour cette année.")
else:
    print(monde.to_string(index=False))
print("Nombre de lignes avec World :", len(selection_avec_monde))

# Résultat et interprétation : Dans la copie fournie, World est présent. Sa valeur est une
# référence agrégée ; ne pas calculer une moyenne de pays en l’ajoutant comme un pays
# supplémentaire.


# Question facultative 7 — Choisir manuellement une année.
# Objectif : Choisir manuellement une année.
# Démarche : 2020 existe dans le fichier. Créer un nouvel extrait pour préserver les
# résultats 2025 du mini-projet.

annee_choisie = 2020
tableau_2020 = df.loc[df["year"] == annee_choisie].dropna(subset=["gdp_pc"]).copy()
selection_2020 = tableau_2020.loc[tableau_2020["country"].isin(pays_selection)].copy()
print(selection_2020[["country", "year", "gdp_pc"]].to_string(index=False))
print("Nombre de pays en 2020 :", len(selection_2020))

# Résultat et interprétation : Huit pays en 2020 dans ce fichier. Changer l’année change
# le périmètre temporel : le signaler dans toute interprétation.


# Question facultative 8 — Calculer le rapport entre maximum et minimum.
# Objectif : Calculer le rapport entre maximum et minimum.
# Démarche : Diviser deux valeurs dans la même unité. Vérifier que le minimum est positif
# avant cette division.

if minimum > 0:
    rapport = maximum / minimum
    print(f"Rapport maximum / minimum : {rapport:.2f}")
else:
    print("Le rapport demandé nécessite un minimum strictement positif.")

# Résultat et interprétation : 7.66 : le maximum de la sélection représente environ 7.66
# fois son minimum. Ce rapport n’a pas d’unité.


# Question facultative 9 — Importer l’espérance de vie et inspecter ses colonnes.
# Objectif : Importer l’espérance de vie et inspecter ses colonnes.
# Démarche : Utiliser également le CSV déjà présent dans le dépôt. La version en ligne est
# indiquée ; le corrigé utilise la copie locale jointe.

url_vie = "https://ourworldindata.org/grapher/life-expectancy.csv"
# Version en ligne : vie = pd.read_csv(url_vie)
vie = pd.read_csv("data/life-expectancy.csv")
print(vie.head())
print(vie.shape)
print(list(vie.columns))
vie = vie.rename(columns={
    "Entity": "country", "Code": "code", "Year": "year",
    "Life expectancy": "life_expectancy"
})
print("Dernière année de l'espérance de vie :", vie["year"].max())

# Résultat et interprétation : 21565 lignes, 4 colonnes ; dernière année 2023. Ici
# l’indicateur se nomme Life expectancy, en années. Son année maximale diffère de celle du
# PIB.


# Question facultative 10 — Fusionner les deux indicateurs pour une même année.
# Objectif : Fusionner les deux indicateurs pour une même année.
# Démarche : Les dernières années diffèrent : chercher la dernière année commune avec
# valeurs présentes. Retirer les agrégats, puis fusionner sur le code et l’année. Une
# jointure interne conserve seulement les couples présents dans les deux tableaux.

gdp_complet = df.dropna(subset=["gdp_pc", "code"])
vie_complete = vie.dropna(subset=["life_expectancy", "code"])
annees_gdp = gdp_complet["year"].unique()
annees_communes = vie_complete.loc[vie_complete["year"].isin(annees_gdp), "year"]
annee_commune = annees_communes.max()
gdp_commun = gdp_complet.loc[
    (gdp_complet["year"] == annee_commune) & (gdp_complet["code"].str.len() == 3),
    ["country", "code", "year", "gdp_pc"]
]
vie_commune = vie_complete.loc[
    (vie_complete["year"] == annee_commune) & (vie_complete["code"].str.len() == 3),
    ["code", "year", "life_expectancy"]
]
fusion = gdp_commun.merge(vie_commune, on=["code", "year"], how="inner")
print("Année commune :", annee_commune)
print("Pays ou territoires appariés :", len(fusion))
print(fusion.head().to_string(index=False))
fusion.to_csv(out_dir / "gdp_esperance_vie.csv", index=False)

# Résultat et interprétation : L’année commune est 2023. Chaque ligne appariée contient un
# PIB et une espérance de vie pour la même année. Ce rapprochement descriptif ne démontre
# pas qu’un indicateur cause l’autre.