{"id":934,"date":"2022-05-25T04:54:59","date_gmt":"2022-05-25T04:54:59","guid":{"rendered":"http:\/\/javierladino.com\/fr\/?post_type=rara-portfolio&p=934"},"modified":"2022-05-27T19:28:26","modified_gmt":"2022-05-27T19:28:26","slug":"analyse-visuelle-du-discours-presidentiel-francais-avec-python","status":"publish","type":"rara-portfolio","link":"https:\/\/javierladino.com\/fr\/portfolio\/analyse-visuelle-du-discours-presidentiel-francais-avec-python\/","title":{"rendered":"Analyse visuelle du discours pr\u00e9sidentiel fran\u00e7ais avec python"},"content":{"rendered":"\n

Introduction<\/mark><\/h2>\n\n\n\n

Ce projet sera ma premi\u00e8re exp\u00e9rience avec les outils de Web Scraping<\/em><\/strong>, o\u00f9 en utilisant le langage Python<\/strong> j’ai l’intention, \u00e0 la fin, de faire une analyse visuelle des mots les plus communs entre les discours d’investiture des pr\u00e9sidents Fran\u00e7ois Hollande (2012) et Emmanuel Macron (2022)<\/strong>, ces discours ont \u00e9t\u00e9 obtenus \u00e0 partir du site officiel https:\/\/www.vie-publique.fr\/ <\/a>.<\/p>\n\n\n\n

Nous utiliserons la d\u00e9pendance BeatifulSoup<\/strong> de Python pour extraire les informations de chaque discours dans son url sp\u00e9cifique, puis nous utiliserons le paquet Word_cloud<\/strong> pour les convertir en un nuage des mots les plus utilis\u00e9s, r\u00e9alisant ainsi notre premi\u00e8re visualisation de donn\u00e9es.<\/p>\n\n\n\n

Ensuite, en utilisant la d\u00e9pendance Matplotlib<\/strong>, nous obtiendrons une visualisation des 10 mots les plus fr\u00e9quents, permettant de comparer visuellement chaque discours en fonction de son texte.<\/p>\n\n\n\n

Nous conclurons par quelques hypoth\u00e8ses \u00e0 la fin de l’exercice, o\u00f9 \u00e0 c\u00f4t\u00e9 des r\u00e9sultats nous comprendrons l’utilit\u00e9 de chaque outil pour le traitement et la visualisation des donn\u00e9es vers la connaissance.<\/p>\n\n\n\n

Donn\u00e9es<\/mark><\/h3>\n\n\n\n

Toutes les informations utilis\u00e9es sont publi\u00e9es sur le portail officiel de la Vie Publique du gouvernement fran\u00e7ais<\/a>, dont le lien est accessible \u00e0 tous et \u00e0 des fins acad\u00e9miques uniquement.<\/p>\n\n\n\n

Par souci de chronologie, j’ai choisi le dernier discours d’investiture du pr\u00e9sident Macron, le 7 mai 2022<\/a> et celui du pr\u00e9sident Hollande, le 15 mai 2012<\/a>. (Le discours de r\u00e9\u00e9lection provisoire du pr\u00e9sident Macron du 14 mai 2017 a \u00e9t\u00e9 omis).<\/p>\n\n\n\n

Techniquement, le projet est impl\u00e9ment\u00e9 en Python sur un notebook JupyterLab<\/strong> en local et tous ses fichiers seront h\u00e9berg\u00e9s sur GitHub<\/strong> pour consultation et mise \u00e0 jour.<\/p>\n\n\n\n

M\u00c9THODOLOGIE<\/mark><\/h3>\n\n\n\n

Importation des d\u00e9pendances<\/strong><\/mark><\/p>\n\n\n\n

Nous importons toutes les d\u00e9pendances qui seront utilis\u00e9es dans notre notebook.<\/p>\n\n\n\n

#Import requests for web scraping\nimport pandas as pd\nimport requests as rq\nimport numpy as np\nimport collections\n\n# Matplotlib and associated plotting modules\nimport matplotlib.cm as cm\nimport matplotlib.colors as colors\n\nimport matplotlib as mpl\nimport matplotlib.pyplot as plt\n\n# import k-means from clustering stage\nfrom PIL import Image \nfrom matplotlib import rcParams<\/code><\/pre>\n\n\n\n
Si vous voulez exp\u00e9rimenter avec d’autres d\u00e9pendances ou installer plus de paquets en fonction des objectifs de votre projet, vous pouvez le faire directement sur le notebook, par ex :<\/p>\n\n\n\n
!pip install lxml<\/code><\/pre>\n\n\n\n
J’essaie toujours de travailler avec des notebooks en JupyterLab<\/strong> localement sous un environnement virtuel Anaconda (Conda env)<\/strong>, j’utilise \u00e9galement COLAB<\/strong> et Deepnote<\/strong> qui fonctionnent tr\u00e8s bien en tant que machines virtuelles si le projet s’y pr\u00eate (cela d\u00e9pendra toujours de la consommation de la machine dans le traitement des donn\u00e9es et de la qualit\u00e9 de la connexion internet).<\/p>\n\n\n\n
Processus de collecte et de nettoyage des donn\u00e9es<\/mark><\/h3>\n\n\n\n
Nous importons BeautifulSoup<\/strong> pour extraire l’int\u00e9gralit\u00e9 du document html de chaque discours et le convertir ensuite en texte (STR).<\/p>\n\n\n\n
Nous utilisons d’abord le discours du pr\u00e9sident Hollande du 15 mai 2012<\/a><\/p>\n\n\n\n
#Import BeautifulSoup for html structure information from our request\nfrom bs4 import BeautifulSoup\n\npage = rq.get('https:\/\/www.vie-publique.fr\/discours\/185063-declaration-de-m-francois-hollande-president-de-la-republique-sur-son')\n\nsoup = BeautifulSoup(page.text, 'lxml')\n\ndata = [element.text for element in soup.find_all('span', {'class': 'text-formatted'})] #Retrieving text\ndata = str(data) #Convert to string\ndata<\/code><\/pre>\n\n\n\n
Vous avez 3 options comme parser<\/em> de Beatifulsoup<\/strong>, \u00e0 la fin j’ai choisi lxml<\/strong>. 
Vous trouverez les diff\u00e9rences dans la documentation de la biblioth\u00e8que<\/a>:<\/p>\n\n\n\n