Chouchane_Farid_1_notebook_032022.ipynb

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "id": "2fa55055",
   "metadata": {},
   "outputs": [],
   "source": [
    "# j'importe mes librairies :\n",
    "\n",
    "import pandas as pd\n",
    "import numpy as np"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "id": "e98c9050",
   "metadata": {},
   "outputs": [],
   "source": [
    "# J'importe mes fichiers de données au format .csv :\n",
    "\n",
    "aide_alim = pd.read_csv(r'C:\\Users\\chouc\\Documents\\Farid\\Data Analyst _ OpenClassrooms\\4 - Projet 4\\Mission _ Réalisez une étude de santé publique avec R ou Python\\DAN-P4-FAO\\aide_alimentaire.csv')\n",
    "dispo_alim = pd.read_csv(r'C:\\Users\\chouc\\Documents\\Farid\\Data Analyst _ OpenClassrooms\\4 - Projet 4\\Mission _ Réalisez une étude de santé publique avec R ou Python\\DAN-P4-FAO\\dispo_alimentaire.csv')\n",
    "pop = pd.read_csv(r'C:\\Users\\chouc\\Documents\\Farid\\Data Analyst _ OpenClassrooms\\4 - Projet 4\\Mission _ Réalisez une étude de santé publique avec R ou Python\\DAN-P4-FAO\\population.csv')\n",
    "sous_nut = pd.read_csv(r'C:\\Users\\chouc\\Documents\\Farid\\Data Analyst _ OpenClassrooms\\4 - Projet 4\\Mission _ Réalisez une étude de santé publique avec R ou Python\\DAN-P4-FAO\\sous_nutrition.csv')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "dd0ab2e9",
   "metadata": {},
   "source": [
    "# 1)  Demandes de Marc"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "6c605b42",
   "metadata": {},
   "source": [
    "**1.1) Pour l'année 2017 : la proportion de personnes en état de sous-nutrition**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "id": "a4e1e549",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "En 2017, il y avait 7548134111 personnes sur Terre.\n",
      "En 2017, il y avait 537700000 personnes en sous nutrition sur Terre.\n",
      "En 2017, il y avait 7548134111 personnes sur Terre, et cette même année, 7.12% de la population, soit 537700000 personnes, étaient en état de sous nutrition.\n"
     ]
    }
   ],
   "source": [
    "# Je remplace les fourchettes d'années par des années :\n",
    "\n",
    "sous_nut.replace(['2012-2014', '2013-2015', '2014-2016', '2015-2017', '2016-2018', '2017-2019'],['2013', '2014', '2015', '2016', '2017', '2018'],inplace=True)\n",
    "\n",
    "# Je supprime les NaN pour pouvoir effetuer des calculs :\n",
    "\n",
    "sous_nut.fillna((0),inplace=True)\n",
    "\n",
    "# Je remplace les valeurs '<0.1' en '0.1' afin de pouvoir  changer le type de donnée :\n",
    "\n",
    "sous_nut['Valeur'].replace({'<0.1':0.1}, inplace = True)\n",
    "\n",
    "# Je change le type de données de la colonne 'valeur' du df \"sous_nut\" : \n",
    "\n",
    "sous_nut['Valeur']= sous_nut['Valeur'].astype('float64')\n",
    "\n",
    "# Je modifie le type de données de la colonne \"Année\" du df \"sous_nut\" afin de ne sélectionner que l'année 2017 :\n",
    "\n",
    "sous_nut['Année'] = sous_nut['Année'].astype(int)\n",
    "\n",
    "# Je sélectionne l'année 2017 : \n",
    "\n",
    "sous_nut_2017 = sous_nut[(sous_nut.Année == 2017)]   \n",
    "\n",
    "# Je selectionne la population de l'année 2017, et j'en fais la somme pour connaitre le nombre d'habitant dans le monde en 2017 \n",
    "# dans le df population (X 1000 car les données sont en milliers):\n",
    "\n",
    "pop_2017 = sum(pop.loc[pop['Année']==2017, 'Valeur'])*1000\n",
    "\n",
    "# J'affiche le résultat de ma première opération :\n",
    "\n",
    "print(f'En 2017, il y avait {round(pop_2017)} personnes sur Terre.')\n",
    "\n",
    "# J'affiche le nombre de personne en sous nutrition en 2017 : \n",
    "\n",
    "sous_nut_2017 = sum(sous_nut.loc[sous_nut['Année']==2017, 'Valeur'])*1000000\n",
    "\n",
    "print(f'En 2017, il y avait {round(sous_nut_2017)} personnes en sous nutrition sur Terre.')\n",
    "\n",
    "# Je calcule la proportion de personne en état de sous nutrition en 2017 :\n",
    "\n",
    "prop_ssnut_2017 = (sous_nut_2017) / (pop_2017) *100\n",
    "\n",
    "# J'arrondis le résultat : \n",
    "\n",
    "prop_ssnut_2017 = round(prop_ssnut_2017,2)\n",
    "\n",
    "# J'affiche le résultat : \n",
    "\n",
    "print(f'En 2017, il y avait {round(pop_2017)} personnes sur Terre, et cette même année, {prop_ssnut_2017}% de la population, soit {round(sous_nut_2017)} personnes, étaient en état de sous nutrition.')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8448ceb0",
   "metadata": {},
   "source": [
    "**1.2) Pour l'année 2017 : le nombre théorique de personnes qui pourraient être nourries**"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "79a130f1",
   "metadata": {},
   "source": [
    "*Note : nombre de calories quotidiennes nécessaires pour nourrir une personne adulte = 2400 kcal*"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "ff82ab58",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "La disponibilité alimentaire mondiale de 2017 pouvait nourrir 8716243595 personnes, soit 1.15 fois la population mondiale\n"
     ]
    }
   ],
   "source": [
    "# J'isole l'année 2017 du df \"population\" :\n",
    "\n",
    "pop_2017 = pop.loc[pop['Année']==2017]\n",
    "\n",
    "# Je fait une jointure des df de la \"pop2017\" et \"disponibilité alimentaire\" :\n",
    "\n",
    "dispo_alim = pd.merge(dispo_alim, pop_2017, how='left', on='Zone')\n",
    "\n",
    "# Je fais la somme des populations de chaque pays pour obtenir la population mondiale de 2017 : \n",
    "\n",
    "pop_2017_sum = pop_2017['Valeur'].sum()*1000\n",
    "\n",
    "# Je créé une colonne permettant de calculer la disponibilité alimentaires journalière pour la population de chaque pays : \n",
    "\n",
    "dispo_alim['kcal/jour/population'] = dispo_alim['Valeur'] * dispo_alim['Disponibilité alimentaire (Kcal/personne/jour)']\n",
    "\n",
    "# Je fais la somme des colonnes créés que je divise par 2400 (nombre de calories quotidiennes nécessaires pour nourrir\n",
    "# une personne adulte que j'ai estimé).\n",
    "# Le résultat obtenu est en milliers, c'est pourquoi je multiplie par 1000\n",
    "\n",
    "resultat = round(dispo_alim['kcal/jour/population'].sum()/2400*1000)\n",
    "\n",
    "# J'arrondis et j'affiche le résultat :\n",
    "\n",
    "print(f'La disponibilité alimentaire mondiale de 2017 pouvait nourrir {resultat} personnes, soit {round(resultat / pop_2017_sum,2)} fois la population mondiale')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "99142c35",
   "metadata": {},
   "source": [
    "**1.3) Pour l'année 2017 : le nombre théorique de personnes qui pourraient être nourries pour la disponibilité alimentaire des produits végétaux**"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "ea6b905d",
   "metadata": {},
   "source": [
    "*Note : nombre de calories quotidiennes nécessaires pour nourrir une personne adulte = 2400 kcal*"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "id": "320505bd",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "La disponibilité alimentaire vegetale mondiale de 2017 pouvait nourrir 7191985088 personnes, soit 0.95 fois la population mondiale\n"
     ]
    }
   ],
   "source": [
    "# J'isole l'année 2017 du df \"population\" :\n",
    "\n",
    "pop_2017 = pop.loc[pop['Année']==2017]\n",
    "\n",
    "# je fais une jointure des df de la \"pop_2017\" et \"disponibilité alimentaire\" :\n",
    "\n",
    "dispo_alim_2 = pd.merge(dispo_alim, pop_2017, how='left', on='Zone')\n",
    "\n",
    "# Je définis le df 'dispo_alim_vege'\n",
    "\n",
    "dispo_alim_vege = dispo_alim_2.loc[dispo_alim_2['Origine'] == 'vegetale']\n",
    "\n",
    "# je joins les df \"pop2017\" et \"dispo_alim_vege\" :\n",
    "\n",
    "dispo_alim_vege = pd.merge(dispo_alim_vege, pop_2017, how='left', on='Zone')\n",
    "\n",
    "# Je fais la somme des populations de chaque pays pour obtenir la population mondiale de 2017 : \n",
    "\n",
    "pop_2017_sum = pop_2017['Valeur'].sum()*1000\n",
    "\n",
    "# Je créé une colonne permettant de calculer la disponibilité alimentaires journalière pour la population de chaque pays : \n",
    "\n",
    "dispo_alim_vege['kcal_vege/jour/population'] = dispo_alim_vege['Valeur'] * dispo_alim_vege['Disponibilité alimentaire (Kcal/personne/jour)']\n",
    "\n",
    "# je fais la somme des colonnes créés que je divise par 2400, Le résultat obtenu est en milliers, c'est pourquoi \n",
    "# jemultiplie par 1000 : \n",
    "\n",
    "resultat_vege = round(dispo_alim_vege['kcal_vege/jour/population'].sum()/2400*1000)\n",
    "\n",
    "# J'arrondir et j'affiche le résultat\n",
    "\n",
    "print(f'La disponibilité alimentaire vegetale mondiale de 2017 pouvait nourrir {resultat_vege} personnes, soit {round(resultat_vege / pop_2017_sum,2)} fois la population mondiale')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "80176183",
   "metadata": {},
   "source": [
    "**1.4) Pour l'année 2017 : l’utilisation de la disponibilité intérieure, en particulier :<br>\n",
    "    - la part qui est attribuée à l’alimentation animale,<br>\n",
    "    - celle qui est perdue et celle qui est concrètement utilisée pour l'alimentation humaine.**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "id": "96017379",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "La part de disponibilité intérieur attribuée à l’alimentation animale est de 13%\n",
      "La proportion de pertes de la disponibilité alimentaire est de 5%\n",
      "La proportion de disponibilité intérieure concrètement utilisée pour l'alimentation humaine est de 49 % de la disponibilitée intérieur\n"
     ]
    }
   ],
   "source": [
    "# je calcule la disponibilité intérieur totale :\n",
    "\n",
    "dis_int_tot = round(dispo_alim['Disponibilité intérieure'].sum())\n",
    "\n",
    "# Je calcule la part attribuée aux animaux : \n",
    "\n",
    "a_p_an = round(dispo_alim['Aliments pour animaux'].sum())\n",
    "\n",
    "# Je calcule la proportion : \"part attribuée à l’alimentation animale / disponibilité interieur\" :\n",
    "\n",
    "prop_part_anim = round((a_p_an / dis_int_tot)*100)\n",
    "\n",
    "# J'affiche le résultat obtenu :\n",
    "\n",
    "print(f'La part de disponibilité intérieur attribuée à l’alimentation animale est de {prop_part_anim}%')\n",
    "\n",
    "# Je calcule la part de disponibilité intérieure perdue :\n",
    "\n",
    "pertes_da = round(dispo_alim['Pertes'].sum())\n",
    "\n",
    "# Je calcul la proportion : \" pertes / disponibilité interieur \" :\n",
    "\n",
    "prop_pertes = round((pertes_da / dis_int_tot)*100)\n",
    "\n",
    "# J'affiche le résultat obtenu :\n",
    "\n",
    "print(f'La proportion de pertes de la disponibilité alimentaire est de {prop_pertes}%')\n",
    "\n",
    "\n",
    "# Je créé un df avec les variables nécessaires à afficher :\n",
    "\n",
    "pcuah = dispo_alim[['Disponibilité intérieure', \n",
    "                     'Exportations - Quantité',\n",
    "                    'Importations - Quantité',\n",
    "                    'Nourriture',\n",
    "                    'Pertes',\n",
    "                    'Production',\n",
    "                    'Semences',\n",
    "                    'Traitement',\n",
    "                    'Variation de stock',\n",
    "                    'Aliments pour animaux',\n",
    "                    'Autres Utilisations']]\n",
    "\n",
    "# Je fais la somme des variables de mon nouveau df :\n",
    "\n",
    "pcuah2 = pcuah.sum()\n",
    "\n",
    "# Je créé une nouvelle colonneque j''alimente par le calcul suggérer par Julien : \n",
    "\n",
    "#part_humain = pcuah2['Disponibilité intérieure'] - pcuah2['Pertes'] - pcuah2['Aliments pour animaux'] - pcuah2['Semences'] - pcuah2['Traitement'] - pcuah2['Autres Utilisations']\n",
    "\n",
    "part_humain = pcuah2['Disponibilité intérieure'] - pcuah2['Pertes'] - pcuah2['Aliments pour animaux'] - pcuah2['Semences'] - pcuah2['Traitement'] - pcuah2['Autres Utilisations']\n",
    "\n",
    "# Je calcule en % la part concrètement utilisée pour l'alimentation humaine :\n",
    "\n",
    "resultat_4 = part_humain/dispo_alim['Disponibilité intérieure'].sum()*100\n",
    "\n",
    "# J'affiche le résultat obtenu :\n",
    "\n",
    "print(f'La proportion de disponibilité intérieure concrètement utilisée pour l\\'alimentation humaine est de {round(resultat_4)} % de la disponibilitée intérieur')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d414b330",
   "metadata": {},
   "source": [
    "# 2) Demandes de Mélanie "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "7790d457",
   "metadata": {},
   "source": [
    "**2.1) Pour l'année 2017 : les pays pour lesquels la proportion de personnes sous-alimentées est la plus forte**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "id": "bf792184",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Zone</th>\n",
       "      <th>prop_sn</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>87</th>\n",
       "      <td>Haïti</td>\n",
       "      <td>0.482592</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>181</th>\n",
       "      <td>République populaire démocratique de Corée</td>\n",
       "      <td>0.471887</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>128</th>\n",
       "      <td>Madagascar</td>\n",
       "      <td>0.410629</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>122</th>\n",
       "      <td>Libéria</td>\n",
       "      <td>0.382797</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>119</th>\n",
       "      <td>Lesotho</td>\n",
       "      <td>0.382494</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>216</th>\n",
       "      <td>Tchad</td>\n",
       "      <td>0.379576</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>186</th>\n",
       "      <td>Rwanda</td>\n",
       "      <td>0.350556</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>145</th>\n",
       "      <td>Mozambique</td>\n",
       "      <td>0.328109</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>219</th>\n",
       "      <td>Timor-Leste</td>\n",
       "      <td>0.321735</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>Afghanistan</td>\n",
       "      <td>0.289287</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                           Zone   prop_sn\n",
       "87                                        Haïti  0.482592\n",
       "181  République populaire démocratique de Corée  0.471887\n",
       "128                                  Madagascar  0.410629\n",
       "122                                     Libéria  0.382797\n",
       "119                                     Lesotho  0.382494\n",
       "216                                       Tchad  0.379576\n",
       "186                                      Rwanda  0.350556\n",
       "145                                  Mozambique  0.328109\n",
       "219                                 Timor-Leste  0.321735\n",
       "0                                   Afghanistan  0.289287"
      ]
     },
     "execution_count": 9,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Je créé un df pour afficher la population en sous-nutrition dans le monde pour l'année 2017 :\n",
    "\n",
    "sous_nuth =  sous_nut.loc[sous_nut['Année']==2017]\n",
    "sous_nuth\n",
    "\n",
    "# Je créé un df pour afficher la population mondiale l'année 2017 :\n",
    "\n",
    "poph =  pop.loc[pop['Année']==2017]\n",
    "poph\n",
    "\n",
    "# Je joins les deux df créés :\n",
    "\n",
    "merge1 = pd.merge(poph, sous_nuth, how='outer', left_on=['Zone','Année'], right_on=['Zone','Année'], suffixes=('_pop_tot', '_ss_nut_tot'))\n",
    "merge1\n",
    "\n",
    "# Je ramène la valeur du dela variable \"valeur_ss_nut_tot\" sous_nuth en millions pour le calcul :\n",
    "\n",
    "merge1['Valeur_ss_nut_tot'] = merge1['Valeur_ss_nut_tot']*1000000\n",
    "merge1\n",
    "\n",
    "# Je ramène la valeur du dela variable \"Valeur_pop_tot\" sous_nuth en milliers pour le calcul :\n",
    "\n",
    "merge1['Valeur_pop_tot'] = merge1['Valeur_pop_tot']*1000\n",
    "merge1\n",
    "\n",
    "# créé une nouvelle colonne qui affiche la proportion de personnes en sous-nutrition par pays : \n",
    "\n",
    "merge1['prop_sn'] =  merge1['Valeur_ss_nut_tot'] / merge1['Valeur_pop_tot']\n",
    "merge1\n",
    "\n",
    "# J'exclus les pays de moins d'un millions d'habitants pour avoir un résultat plus parlant : \n",
    "\n",
    "merge1 = merge1.loc[merge1['Valeur_pop_tot']> 1000000]\n",
    "merge1\n",
    "\n",
    "# Je fait un tri par ordre décroissant sur la variable \"prop_sn\", et j'affiche les 10 premiers résultats : \n",
    "\n",
    "merge1 = merge1.sort_values(by = 'prop_sn', ascending = False) [0:10]\n",
    "\n",
    "# Je supprime les colonnes inutiles : \n",
    "\n",
    "merge1 = merge1.drop(['Année', 'Valeur_pop_tot', 'Valeur_ss_nut_tot'], axis=1)\n",
    "\n",
    "# J'affiche le résultat : \n",
    "\n",
    "merge1"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "951d59ac",
   "metadata": {},
   "source": [
    "**2.2) Les pays qui ont le plus bénéficié d’aide depuis 2013**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "id": "58b9e585",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Valeur</th>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Pays bénéficiaire</th>\n",
       "      <th></th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>République arabe syrienne</th>\n",
       "      <td>1858943</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Éthiopie</th>\n",
       "      <td>1381294</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Yémen</th>\n",
       "      <td>1206484</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Soudan du Sud</th>\n",
       "      <td>695248</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Soudan</th>\n",
       "      <td>669784</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Kenya</th>\n",
       "      <td>552836</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Bangladesh</th>\n",
       "      <td>348188</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Somalie</th>\n",
       "      <td>292678</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>République démocratique du Congo</th>\n",
       "      <td>288502</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Niger</th>\n",
       "      <td>276344</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                   Valeur\n",
       "Pays bénéficiaire                        \n",
       "République arabe syrienne         1858943\n",
       "Éthiopie                          1381294\n",
       "Yémen                             1206484\n",
       "Soudan du Sud                      695248\n",
       "Soudan                             669784\n",
       "Kenya                              552836\n",
       "Bangladesh                         348188\n",
       "Somalie                            292678\n",
       "République démocratique du Congo   288502\n",
       "Niger                              276344"
      ]
     },
     "execution_count": 10,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Je supprime les colonnes inutiles : \n",
    "\n",
    "aide_alim = aide_alim.drop('Année', axis=1)\n",
    "\n",
    "# je regroupe les pays bénéficiaires et je fait la somme des valeurs : \n",
    "\n",
    "aide_alim_sum = aide_alim.groupby('Pays bénéficiaire').sum()\n",
    "\n",
    "# Je trie le résultat précedent par ordre décroissant, et je prends les 10 premières valeurs :\n",
    "\n",
    "aide_alim_sum = aide_alim_sum.sort_values(by = 'Valeur', ascending = False) [0:10]\n",
    "\n",
    "# j'affiche le résultat :\n",
    "\n",
    "aide_alim_sum"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "591b8691",
   "metadata": {},
   "source": [
    "**2.3) Les pays ayant le plus/le moins de disponibilité/habitant**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 14,
   "id": "2b58ff46",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Disponibilité alimentaire (Kcal/personne/jour)</th>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Zone</th>\n",
       "      <th></th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>République centrafricaine</th>\n",
       "      <td>1879.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Zambie</th>\n",
       "      <td>1924.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Madagascar</th>\n",
       "      <td>2056.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Afghanistan</th>\n",
       "      <td>2087.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Haïti</th>\n",
       "      <td>2089.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>République populaire démocratique de Corée</th>\n",
       "      <td>2093.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Tchad</th>\n",
       "      <td>2109.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Zimbabwe</th>\n",
       "      <td>2113.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Ouganda</th>\n",
       "      <td>2126.0</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Timor-Leste</th>\n",
       "      <td>2129.0</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                            Disponibilité alimentaire (Kcal/personne/jour)\n",
       "Zone                                                                                      \n",
       "République centrafricaine                                                           1879.0\n",
       "Zambie                                                                              1924.0\n",
       "Madagascar                                                                          2056.0\n",
       "Afghanistan                                                                         2087.0\n",
       "Haïti                                                                               2089.0\n",
       "République populaire démocratique de Corée                                          2093.0\n",
       "Tchad                                                                               2109.0\n",
       "Zimbabwe                                                                            2113.0\n",
       "Ouganda                                                                             2126.0\n",
       "Timor-Leste                                                                         2129.0"
      ]
     },
     "execution_count": 14,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# j'affiche de le df dispo alim pour la question, en en selectionnant que la colonne Disponibilité intérieure :\n",
    "\n",
    "dispo_alim3 = dispo_alim.groupby('Zone').sum().loc[:,['Disponibilité alimentaire (Kcal/personne/jour)']]\n",
    "\n",
    "# Je fais la moyenne des habitants par pays sur la plage d'année disponible :\n",
    "\n",
    "popq6 = pop.groupby('Zone').sum()\n",
    "\n",
    "# Je fais une jointure entre les tables \"popq6\" & \"dispo_alim3\" : \n",
    "\n",
    "dfq6 = popq6.merge(dispo_alim3, on='Zone')\n",
    "\n",
    "# Je trie la variable \"Disponibilité alimentaire (Kcal/personne/jour)\" par ordre décroissant, \n",
    "# et je sélectionne les 10 premières valeurs :\n",
    "\n",
    "dispo_hab =  dfq6.sort_values(by = 'Disponibilité alimentaire (Kcal/personne/jour)', ascending = True) [0:10]\n",
    "\n",
    "# Je supprime les colonnes inutiles :\n",
    "\n",
    "dispo_hab = dispo_hab.drop(['Année', 'Valeur'], axis=1)\n",
    "\n",
    "# J'affiche le résulat obtenu :\n",
    "\n",
    "dispo_hab"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.7"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}