Chargement des données

#changement de dossier
import os
os.chdir("C:/Users/ricco/Desktop/demo")

#chargement des données
import pandas
D = pandas.read_excel("Tennis_Players_AFDM.xlsx",index_col=0)
D

	Taille	Lateralite	MainsRevers	Titres	Finales	TitresGC	RolandGarros	BestClassDouble
Joueur
Agassi	180	droitier	deux	60	30	8	vainqueur	123
Becker	191	droitier	une	49	28	6	demi	6
Borg	180	droitier	deux	64	25	11	vainqueur	890
Connors	178	gaucher	deux	109	52	8	demi	370
Courier	185	droitier	deux	23	13	4	vainqueur	20
Edberg	187	droitier	une	41	36	6	finale	1
Kafelnikov	190	droitier	deux	26	20	2	vainqueur	4
Kuerten	190	droitier	une	20	9	3	vainqueur	38
Lendl	187	droitier	une	94	50	8	vainqueur	20
McEnroe	180	gaucher	une	77	31	7	finale	1
Nastase	180	droitier	une	58	38	2	vainqueur	59
Rafter	185	droitier	une	11	14	2	demi	6
Safin	193	droitier	deux	15	12	2	demi	71
Sampras	185	droitier	une	64	24	14	demi	27
Vilas	180	gaucher	une	62	40	4	vainqueur	175
Wilander	182	droitier	deux	33	27	7	vainqueur	3
Djokovic	188	droitier	deux	79	34	17	vainqueur	114
Federer	185	droitier	une	103	54	20	vainqueur	24
Murray	191	droitier	deux	46	22	3	finale	51
Nadal	185	gaucher	deux	85	37	19	vainqueur	26

#individus actifs et variables actives
DActifs = D.iloc[:16,:7]
DActifs

	Taille	Lateralite	MainsRevers	Titres	Finales	TitresGC	RolandGarros
Joueur
Agassi	180	droitier	deux	60	30	8	vainqueur
Becker	191	droitier	une	49	28	6	demi
Borg	180	droitier	deux	64	25	11	vainqueur
Connors	178	gaucher	deux	109	52	8	demi
Courier	185	droitier	deux	23	13	4	vainqueur
Edberg	187	droitier	une	41	36	6	finale
Kafelnikov	190	droitier	deux	26	20	2	vainqueur
Kuerten	190	droitier	une	20	9	3	vainqueur
Lendl	187	droitier	une	94	50	8	vainqueur
McEnroe	180	gaucher	une	77	31	7	finale
Nastase	180	droitier	une	58	38	2	vainqueur
Rafter	185	droitier	une	11	14	2	demi
Safin	193	droitier	deux	15	12	2	demi
Sampras	185	droitier	une	64	24	14	demi
Vilas	180	gaucher	une	62	40	4	vainqueur
Wilander	182	droitier	deux	33	27	7	vainqueur

Préparation des données pour l'AFDM

Classe pour "scaling" des variables indicatrices (0/1)

#numpy
import numpy as np

#classe standardscaler de sklearn
from sklearn.preprocessing import StandardScaler

#création d'une classe héritière
#de StandardScaler pour traiter les variables 0/1
# - pas de centrage
# - scaling avec la racine de la fréquence (or fréquence = moyenne pour 0/1)
class MyScaling(StandardScaler):

    #surcharger le constructeur
    def __init__(self, *, copy=True, with_mean=True, with_std=True):
        #appel de l'ancêtre avec modification : pas de centrage
        StandardScaler.__init__(self,copy=True,with_mean=False,with_std=True)

    #surcharger la méthode fit
    def fit(self, X, y=None, sample_weight=None):
        #appel de la méthode ancêtre
        super().fit(X,y,sample_weight)
        #moyenne (fréquence) sera utilisé pour le scale
        self.var_ = self.mean_
        #paramètre scale du coup
        self.scale_ = np.sqrt(self.var_)
        return self

Pipeline pour codage des indicatrices

#imports
from sklearn.preprocessing import OneHotEncoder
from sklearn.pipeline import Pipeline

#définir un pipeline pour le traitement des qualitatives
# - codage 0/1 d'abord
# - puis le scaling maison ensuite
prepa_quali = Pipeline([
    ('encodage',OneHotEncoder()),
    ('scaling',MyScaling())
])

Préparation différenciée selon le type des variables

#imports
from sklearn.compose import ColumnTransformer, make_column_selector

#préparation complète - d'une part les quanti, de l'autre les quali
#cf. le rôle de ColumnTransformer
#https://scikit-learn.org/stable/modules/generated/sklearn.compose.ColumnTransformer.html
prepa_full = ColumnTransformer([
    ('quanti',StandardScaler(),make_column_selector(dtype_exclude='object')),
    ('quali',prepa_quali,make_column_selector(dtype_include='object'))
])

ACP sur ces données transformées = AFDM

Entraînement de l'algorithme

#imports
from sklearn.decomposition import PCA

#pipeline avec pretraitement + ACP sur variables pré-traitées
# = AFDM (analyse factorielle des données mixtes)
wkf = Pipeline([
    ('preparation',prepa_full),
    ('acp',PCA(n_components=2,svd_solver='full'))
])

#entraînement
#bien regarder les constituants du Pipeline
wkf.fit(DActifs)

Pipeline(steps=[('preparation',
                 ColumnTransformer(transformers=[('quanti', StandardScaler(),
                                                  <sklearn.compose._column_transformer.make_column_selector object at 0x0000029D9D4B9550>),
                                                 ('quali',
                                                  Pipeline(steps=[('encodage',
                                                                   OneHotEncoder()),
                                                                  ('scaling',
                                                                   MyScaling(with_mean=False))]),
                                                  <sklearn.compose._column_transformer.make_column_selector object at 0x0000029D9C0DF650>)])),
                ('acp', PCA(n_components=2, svd_solver='full'))])

In a Jupyter environment, please rerun this cell to show the HTML representation or trust the notebook.
On GitHub, the HTML representation is unable to render, please try loading this page with nbviewer.org.

Coordonnées des individus dans l'espace factoriel

#coordonnées des individus dans l'espace factoriel
dfFact = wkf.transform(DActifs)
dfFact = pandas.DataFrame(dfFact,index=DActifs.index,columns=['F1','F2'])
dfFact

	F1	F2
Joueur
Agassi	0.554948	-1.729643
Becker	-0.835330	1.241366
Borg	0.715837	-1.875173
Connors	3.520120	-0.681037
Courier	-1.660146	-1.165409
Edberg	0.230097	2.088298
Kafelnikov	-1.985064	-0.769907
Kuerten	-2.269361	0.519756
Lendl	1.497483	-0.037865
McEnroe	2.504098	1.948994
Nastase	0.437266	-0.127113
Rafter	-1.919760	1.128111
Safin	-2.839067	0.287683
Sampras	0.604335	0.476228
Vilas	1.805785	0.197367
Wilander	-0.361243	-1.501657

#affichage dans le premier plan factoriel
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7,7))
ax.axis([-3.5,+3.5,-3.5,+3.5])
ax.plot([-3.5,+3.5],[0,0],color='silver',linestyle='--')
ax.plot([0,0],[-3.5,+3.5],color='silver',linestyle='--')
ax.set_xlabel("Dim.1")
ax.set_ylabel("Dim.2")
plt.title("Carte des individus")
for x,y,lbl in zip(dfFact.iloc[:,0],dfFact.iloc[:,1],dfFact.index):
    ax.text(x,y,lbl,horizontalalignment='center',verticalalignment='center',fontsize=7)
 
plt.show()

Application du Pipeline sur un individu supplémentaire

#le cas Féderer
dfFed = D.loc[['Federer']].iloc[:,:7]
dfFed

	Taille	Lateralite	MainsRevers	Titres	Finales	TitresGC	RolandGarros
Joueur
Federer	185	droitier	une	103	54	20	vainqueur

#calcul de sa coordonnée factorielle
coord_Fed = wkf.transform(dfFed)
coord_Fed

array([[ 3.1306293 , -0.71729545]])

coord_Fed[0][1]

-0.717295454130518

#position
fig, ax = plt.subplots(figsize=(7,7))
ax.axis([-3.5,+3.5,-3.5,+3.5])
ax.plot([-3.5,+3.5],[0,0],color='silver',linestyle='--')
ax.plot([0,0],[-3.5,+3.5],color='silver',linestyle='--')
ax.set_xlabel("Dim.1")
ax.set_ylabel("Dim.2")
plt.title("Carte des individus")
for x,y,lbl in zip(dfFact.iloc[:,0],dfFact.iloc[:,1],dfFact.index):
    ax.text(x,y,lbl,horizontalalignment='center',verticalalignment='center',fontsize=7)

#position de Federer
ax.text(coord_Fed[0][0],coord_Fed[0][1],'Federer',horizontalalignment='center',verticalalignment='center',fontsize=7,fontweight='bold',c='red')
 
plt.show()

Sauvegarde du Pipeline dans un fichier binaire

#sauvegarde dans un fichier binaire
#https://pypi.org/project/dill/
import dill

#créer le fichier en écriture binaire
f = open("workflow.sav","wb")

#sérialisation
dill.dump(wkf,f)

#ne pas oublier de fermer
f.close()

Chargement et déploiement avec le Pipeline

Chargement et inspection

#chargement dans un nouvel objet
#utilisation de dill : https://pypi.org/project/dill/
import dill

#ouvrir le fichier en lecture binaire
f = open("workflow.sav","rb")

try:
    #chargement
    modele = dill.load(f)
finally:
    #fermeture quoiqu'il en soit
    f.close()

#affichage des étapes
modele.named_steps

{'preparation': ColumnTransformer(transformers=[('quanti', StandardScaler(),
                                  <sklearn.compose._column_transformer.make_column_selector object at 0x0000029DA0A343D0>),
                                 ('quali',
                                  Pipeline(steps=[('encodage', OneHotEncoder()),
                                                  ('scaling',
                                                   MyScaling(with_mean=False))]),
                                  <sklearn.compose._column_transformer.make_column_selector object at 0x0000029DA0ABDB10>)]),
 'acp': PCA(n_components=2, svd_solver='full')}

Déploiement sur un individu supplémentaire

#le cas Djokovic
dfDjoko = D.loc[['Djokovic']].iloc[:,:7]
dfDjoko

	Taille	Lateralite	MainsRevers	Titres	Finales	TitresGC	RolandGarros
Joueur
Djokovic	188	droitier	deux	79	34	17	vainqueur

#coordonnées factorielles de Djoko
coord_Djoko = modele.transform(dfDjoko)
coord_Djoko

array([[ 1.16198817, -1.67811469]])

#position
fig, ax = plt.subplots(figsize=(7,7))
ax.axis([-3.5,+3.5,-3.5,+3.5])
ax.plot([-3.5,+3.5],[0,0],color='silver',linestyle='--')
ax.plot([0,0],[-3.5,+3.5],color='silver',linestyle='--')
ax.set_xlabel("Dim.1")
ax.set_ylabel("Dim.2")
plt.title("Carte des individus")
for x,y,lbl in zip(dfFact.iloc[:,0],dfFact.iloc[:,1],dfFact.index):
    ax.text(x,y,lbl,horizontalalignment='center',verticalalignment='center',fontsize=7)

#position de Federer
ax.text(coord_Fed[0][0],coord_Fed[0][1],'Federer',horizontalalignment='center',verticalalignment='center',fontsize=7,fontweight='bold',c='red')
#et de Djokovic
ax.text(coord_Djoko[0][0],coord_Djoko[0][1],'Djokovic',horizontalalignment='center',verticalalignment='center',fontsize=7,fontweight='bold',c='blue')
 
plt.show()