Visions carto · GitHub

pour un petit projet on peut aussi utiliser ipinfo.io (gratuit sur des petits volumes), comme ici ▻https://github.com/visionscarto/fortmcmurray/blob/master/geolocip.php

pour ma part je fais des patches mais bon… c’est pénible
▻https://github.com/visionscarto/some-geo-data/commit/89a9c6da845770942ffa7b27b273d7abb14b95df?short_path=9a739e0#diff-9a739e03e6c

Waouh, c’est super, même si ce n’est pas fini, c’est déjà un beau résultat de votre travail !

Rien n’est jamais fini. Surtout quand il n’y a pas de deadline.

J’aurais pas pensé à faire une ACP (plutôt une AFCM) mais le rendu est vachement bien

A bas les dead line !

@koldobika à voir, mais je serais étonné que ça donne des résultats très différents ?

Dans l’absolu ça fait mieux apparaître les liens non-linéaires, mais dans ce cas concret s’il n’y a que 4 valeurs numériques (correspondant à Y, N, A et X) intuitivement je dirais que ça ne changerait pas grand chose.

Euh…
(ça va venir, c’est le pb quand il n’y a pas d’échéance)

Ça ne devrait en effet pas être très différent (au choix de codage près (gné, gné, gné (ricanement sardonique à mon intention)).

Et pour l’ACP, serait-il possible d’avoir les parts d’inertie expliquée (dans le plan 1-2, p. ex.) et de jeter un œil sur le cercle des corrélations (pour interpréter les axes) ?

Mon code est ci-dessous, si tu veux regarder les poids que j’ai affectés à chaque lettre (fonction parseVote()), et l’algo de répartition des pays après l’ACP (car l’ACP de base laisse tous les pays du bloc ➊ les uns sur les autres)
▻http://bl.ocks.org/Fil/2481e1f3b1d92002317e

L’ACP elle-même est faite par un script PCA.js relativement lisible, mais qui ne donne pas nativement tous les éléments d’analyse qu’on pourrait souhaiter. À partir de là, soit on bidouille ce script pour qu’il nous donne ce qu’on veut, soit on reporte les poids et les données dans un logiciel d’ACP plus sympa.

Les votes des USA à l’ONU c’est tout un poème

Il y a quelques temps (2012) je m’étais amusé à faire le compte des vétos de chacun au Conseil de sécurité de l’ONU depuis la fin de la guerre froide.
Le résultat est, je crois, instructif. Je me permets de le coller ici : ▻http://seenthis.net/messages/81055

J’ai donc effectué un comptage des vétos des membres du conseil de sécurité depuis le 11 novembre 1989 (chute du mur de Berlin), date retenue en général pour la fin de la guerre froide, censée inaugurer l’époque dans laquelle nous vivons. Voici les résultats :
▻►http://www.un.org/fr/documents/sc_vetos.shtml

Russie : 9 vétos
Chine : 7 vétos
Etats-Unis : 17 vétos

1ère remarque, depuis la fin de la guerre froide, les Etats-Unis ont posé plus de vétos (17 contre 16) que la Chine et la Russie réunies. Sachant que sur les 16 vétos posés par la Russie et/ou la Chine, 5 sont des vétos conjoints (3 portant sur la Syrie), on a donc 11 résolutions bloquées par la Russie ou la Chine, pour 17 par les Etats-Unis !

Le plus intéressant est quand on entre dans le détail des 17 vétos américains. Sur ces 17 vétos , seuls 3 ne concernent pas le Moyen-Orient. Les 14 autres sont des vétos dont la question du projet de résolution est intitulée « la situation au Moyen-Orient, y compris la question de Palestine » ou bien « la situation dans les territoires arabes occupés ».
Pour le dire clairement, et il suffit pour le vérifier de regarder le texte de n’importe laquelle de ces 14 résolutions bloquées par les Etats-Unis, ces 14 vétos américains visaient tous à protéger Israël.

Conclusion : Depuis la fin de la guerre froide les Etats-Unis ont bloqué quatorze projets de résolution à seule fin de protéger Israël, quand la Russie et la Chine n’en ont bloqué que 11, tous dossiers confondus.

J’imagine qu’en plus il y a le véto dissuasif qui fait qu’une proposition n’est même pas soumise au vote

La vérité c’est que ce sont les Etats-Unis qui occupent la Palestine : Israël reçoit des Etats-Unis plus de financement que n’importe quel pays au monde n’en reçoit de l’étranger, des familles américaines et des entreprises américaines financent la colonisation (dons fiscalement déductibles par le fisc américain, comme ça l’est, je pense, en France), et ces familles et ces entreprises américaines financent également les mouvements politiques durs en Israël. Enfin les Etats-Unis s’opposent efficacement à toute mise en application du Droit, dès que cela concerne Israël.

très intéressant tout ça, mais je signale juste que l’article date de juillet...

@sinehebdo oui oui :) on a vu, mais ça avait échappé à beaucoup de monde. Il m’arrive de reposter des trucs anciens juste pour ne pas oublier qui sont les mufles.

Ça change pas grand chose ici, mais c’est toujours bien de remettre en contexte, ce que j’avais oublié de faire en le lisant, merci pour le rappel donc !

@souriyam Merci pour le lien, j’en profite aussi pour poster un truc que javais fait en 2005, et [EDIT] J’AI MIS À JOUR LA FIGURE :

https://farm1.staticflickr.com/694/23660764761_1aaba45899_o_d.jpg

@reka : c’est bien le nombre de vétos au CS par pays ?

Si c’est le cas le contraste entre la période 1946-1965 et 1966-1995, pour l’URSS et pays de l’OTAN, est assez impressionnant. Y avait-il une analyse qui accompagnait le graphique ?

@souriyam oui, il y avait un commentaire et un papier, c’était pour un dossier publié dans un mensuel français dont le nom m’échappe. Il faut que je fasse quelques recherche. La source de ce graphique est la même que la tienne (mais je n’ai pas vérifié les données, des erreurs sont toujours possibles. Cela dit, ce qui était important de montrer, c’est que les États-Unis ont « pris le relai » de l’Union soviétique pour ce qui concerne la consommation de véto. Dans le courant de l’histoire, il y avait des raisons bien établies pour ce phénomène.

Et oui, c’est bien les véto au CS.

Pour pouvoir travailler là-dessus je viens de faire un gros boulot préparatoire de données : à partir des PDFs des votes, que j’ai scannés et analysés (avec #tabula et #csvkit notamment), j’ai mis dans un gros fichier CSV tous les votes de la 70ème session des Nations Unies.
►https://github.com/visionscarto/un-session-70

Idées, visualisations, corrections, suggestions bienvenues !

cc @lazuly

Excellente idée d’avoir normalisé les pays avec leur trigramme ISO, ça permettra de croiser avec d’autres bases d’info pays. Par exemple une info utile serait, pour chaque pays, sa position géographique approximative (du barycentre ou de la capitale).

Pour donner un exemple, étudions la proposition visant à essayer d’empêcher une course aux armements dans l’#espace
▻https://github.com/visionscarto/un-session-70#ac170l3-ares7026
c’est la question L3

Dans le fichier on note 173 voix pour (Y), et 3 abstentions (A). Trois pays qui préfèrent donc ne pas essayer d’empêcher une course aux armements dans l’espace.

Il m’a fallu un petit bout de temps pour tomber sur le to do et comprendre pourquoi ne figuraient pas les votes en AG…

J’ai essayé de l’élémentaire (matrice de Bertin) mais je crois que le tableau est trop gros pour l’outil que j’ai utilisé (bertifier.com) qui, de plus nécessite une grosse remise en forme du tableau.

Pour ce type de données l’un des outils classiques a priori consiste à démarrer par une matrice de dissimilarité que l’on peut analyser ensuite. Voir p. ex. les nombreuses analyses de congressional votes

https://dl.dropbox.com/s/t68felxbfmnjafl/20151217_Congressional_Votes.jpg

Par exemple celui-ci

http://b-i.forbesimg.com/ericaswallow/files/2013/11/4kDokyz.jpg

U.S. Senate More Divided Than Ever Data Shows
▻http://www.forbes.com/sites/ericaswallow/2013/11/17/senate-voting-relationships-data

Une autre source d’idées (un peu ancienne, comme l’indique son titre)
Data Mining in Politics
▻http://www.stat.columbia.edu/~jakulin/Politics

Pour les matrices bertin, @fil a trouvé des solutions informatiques qui semblent être très efficaces. Je propose qu’on travaille tous ensemble sur cette question à partir de janvier, il y a beaucoup à explorer et à défricher.

C’est bien bertifier.com que j’utilise ; mais pour que ça marche bien j’ai traité la matrice avec des 0 (Y), 1 (A), 2 (N) ; et rajouté des colonnes de contrôle à la fin. Ensuite il faut en effet être assez patient car le logiciel rame pas mal avec 193 lignes.

https://dl.dropbox.com/s/vj27flcew3czs10/votes-onu-bertin-v0.2.png?dl=0

Et comment as-tu traité les « n’a pas pris part au vote » (donnée manquante dans ton tableau) ? Comme une abstention ?

Je n’ai pas dû être assez patient…

bertifier.com sait traiter les NULL (représentés par un trait en diagonale sur mon schéma) ; mais on dirait qu’il ignore ces votes dans ses calculs de distance, ce qui fait qu’un pays qui vote 41 fois Y est juste à côté d’un pays qui vote 3 fois Y et NULL le reste du temps. Il faudra que je réessaie en mettant une valeur intermédiaire.

Mais d’abord, j’aimerais le faire en code plutôt qu’à travers l’interface du site, car actuellement chaque tentative me prend environ 15 minutes. Et puis il faut aussi que j’extraie les votes en Assemblée générale. Compter une journée de boulot.

Il me semble en tout cas qu’avec le tableau ci-dessus on a déjà isolé des blocs stratégiques pas déconnants. Il faudra leur donner une couleur, et voir ce que ça rend visuellement.

À noter, j’ai été surpris par la position de RUS, car ils partagent tout de même beaucoup de votes avec l’autre « extrême » du tableau. Dans un premier essai, d’ailleurs, RUS était dans le bloc du bas, le « bloc occidental » pour le dire vite. Il y a sans doute des choix à faire sur les calculs de distance.

#ha_ha_ha !

Zeros replace missing values

►http://seenthis.net/messages/439374

À priori les visualisations en oursins colorés, ça ne me parle pas beaucoup — je ne sais pas bien les lire et ça me paraît toujours très touffu. On pourrait essayer quand même, on ne sait jamais.

Pas d’oursins colorés, mais du multidimensional scaling (MDS) sur les données telles que je les ai recodées (N : -1 ; A ou manquant : 0 ; Y : +1)

https://dl.dropbox.com/s/e5xnyz7a72mtlxn/20151217_UN_GA70g1.jpg

et classification hiérarchique (là aussi, ça se chevauche un peu)

https://dl.dropbox.com/s/fmsk2xt1hypuk8d/20151217_UN_GA70g2.jpg

Comme tu le remarquais ci-dessus, la Russie, pourtant assez isolée sur la carte ci-dessus, s’agrège très vite au groupe (FRA, GBR, USA, ISR). Traditionnellement, la hauteur du nœud indique la perte de variance provoquée par la fusion des classes de sorte que les hauteurs permettent de choisir (pas trop arbitrairement) les classes à retenir.

Notes :
– comme d’hab’ (je n’ai pas énormément progressé en R) en dehors du codage initial, je n’ai retenu QUE les options par défaut des méthodes (cmdscale et hclust et donc distance euclidienne classique pour les deux et critère de Ward pour la CAH).
– aucune des deux méthodes n’apprécient les NULL : hclust élimine les lignes comportant des données manquantes, réduisant le nombre de pays à 123 et cmdscale te jette (du moins par défaut)
– il y a du boulot à réaliser pour peaufiner la présentation et depuis la dernière fois, j’ai tout oublié sur les paramètres graphiques :-(

Hi hi c’est un peu fouillis. Est-ce qu’on voit l’axe du Mal ?

J’ai passé la journée à encoder les votes en A.G., je viens juste de terminer : environ 7000 fois A, Y, N (ou NULL).

On doit pouvoir démarrer la classif et le MDS en partant de groupes de pays déjà élaborer (les 52 premiers regroupements - toujours un nœud en moins à chaque étage - se font à perte d’inertie nulle, ce qui signifie que les votes sont identiques - avec confusion de A et Null) par exemple le râteau du deuxième quart en partant de la gauche.

Il y a pas mal de boulot de présentation à faire, notamment réordonner les pays sur l’axe horizontal du dendrogramme. En effet, il faut considérer celui-ci comme un mobile : ce qui est en dessous d’un nœud peut tourner librement. Apparemment, on peut passer un argument pour ça dans le tracé de l’arbre. Et sinon, il doit être possible de représenter l’arbre sur le plan du MDS.

Je peux aussi faire le MDS en 3 dimensions ; il y a de grandes chances que la Russie (entre autres) sorte alors du plan…

Joël Gombin me signale la thèse de Laurent Beauguitte, qui porte sur notre sujet :
►https://tel.archives-ouvertes.fr/tel-00634403/en

thèse dans laquelle je trouve un lien vers un dataset qui comprend semble-t-il tous les votes jusqu’en 2014 :
▻https://dataverse.harvard.edu/dataset.xhtml?persistentId=hdl:1902.1/12379

ref :
L’Assemblée générale de l’ONU de 1985 à nos jours : acteur et reflet du Système-Monde. Essai de géographie politique quantitative par Laurent Beauguitte, Université de Paris I, 2011 : ►https://tel.archives-ouvertes.fr/tel-00634403/en

voilà j’ai terminé ma première visualisation ; bientôt sur @visionscarto !

https://dl.dropbox.com/s/p1iqjtslahra2a9/qui%20vote%20avec%20qui.png?dl=0

Chouette réalisation !

Tu fais plus ou moins une analyse discriminante avec tes deux demi-plans (bon, la Chine n’est pas du bon côté) ce qui permet d’interpréter assez clairement la direction de la deuxième bissectrice (votes liés au nucléaire). Pour la première bissectrice ?

Il faut vraiment que je me mette à cette ACM…

voilà c’est en ligne, merci pour les idées et les encouragements
▻http://seenthis.net/messages/444837

Et #art d’une certaine manière !

►http://www.theguardian.com/world/2013/jan/07/georgia-punjab-migrants-farming
►http://www.tribuneindia.com/2014/20140831/main4.htm
suite visioncarto : une société émirati prétendait avoir mis à disposition de paysans pendjabis 3000 fermes en Georgie !

cc @odilon !

J’aime bien la carte de vision cartographique. C’est agréable de navigué à partir de cette toile flottante. Je maitrise pas encore le code couleur mais les régions thématiques ca fonctionne bien.

Pour le making of « interdire seenthis/(tag) aux robots » est très jolie, avec son invocation de squelettes, on dirait une petit comptine d’épouvante pour robots fouineurs.

Merci !