Galerie d’Exemples

Bienvenue dans la galerie d’utilisation. Vous trouverez ici des scénarios concrets pour exploiter le package Health4Earth dans vos propres scripts d’analyse ou Jupyter Notebooks.

---

Exemple 1 : Analyse Prédictive Simple

Ce script montre comment charger les données et prédire les émissions de CO2 de la France pour 2035.

script_prediction_france.py

from health4earth.data_ingest import load_merged_data
from health4earth.analytics import HealthAnalyzer

# 1. Chargement des données (avec mise en cache automatique)
print("Chargement des données...")
df = load_merged_data()

# 2. Initialisation du moteur d'analyse
analyzer = HealthAnalyzer(df)

# 3. Prédiction à l'horizon 2035
# Nous ciblons la colonne 'co2' pour la France
forecast = analyzer.predict_evolution(
    country="France",
    target_col="co2",
    year_end=2035
)

if forecast is not None:
    # Affichage des 5 dernières années prédites
    print("Prédictions pour la France :")
    print(forecast[forecast['type'] == 'Prédiction'].tail())
else:
    print("Données insuffisantes pour ce pays.")

---

Exemple 2 : Comparaison Internationale

Comment comparer l’espérance de vie entre deux puissances économiques (Chine vs USA) ?

script_comparaison.py

import matplotlib.pyplot as plt
import seaborn as sns
from health4earth.data_ingest import load_merged_data

# Chargement
df = load_merged_data()

# Filtrage sur les deux pays cibles depuis l'an 2000
target_countries = ["China", "United States"]
df_subset = df[
    (df['country'].isin(target_countries)) &
    (df['year'] >= 2000)
]

# Visualisation avec Seaborn
plt.figure(figsize=(10, 6))
sns.lineplot(
    data=df_subset,
    x="year",
    y="life_expectancy",
    hue="country",
    style="country",
    markers=True,
    linewidth=2.5
)

plt.title("Comparaison de l'Espérance de Vie (2000-2024)")
plt.ylabel("Années")
plt.grid(True, alpha=0.3)
plt.show()

---

Exemple 3 : Analyse de la Pollution (Mortalité)

Ce script identifie les années où la mortalité liée à la pollution a été la plus critique pour un pays donné.

script_analyse_sante.py

from health4earth.data_ingest import load_merged_data
from health4earth.analytics import HealthAnalyzer

df = load_merged_data()
analyzer = HealthAnalyzer(df)

# Récupération des données brutes pour l'Inde
df_india = analyzer.get_country_data("India")

# Tri par nombre de décès décroissant
top_worst_years = df_india.sort_values(
    by='pollution_deaths',
    ascending=False
).head(5)

print("Les 5 années les plus meurtrières en Inde (Pollution) :")
for index, row in top_worst_years.iterrows():
    print(f"- {int(row['year'])} : {int(row['pollution_deaths'])} décès")

---

Aller plus loin

Pour intégrer ces graphiques dans une page web interactive, consultez le code source de notre site web dans le dossier website/ du dépôt GitHub.