Pageviews: Lissage par noyau gaussien

data/pageviews/pageviews.py

@@ -5,8 +5,10 @@ from datetime import datetime
 import logging
 import math
 import matplotlib
+import numpy
 from matplotlib import pyplot
 import requests
+from scipy import stats
 import sys
 import mwclient
 
@@ -29,19 +31,46 @@ wikimedia_pageviews_start = datetime(2015, 7, 1)
 # Objet pour afficher le journal d’exécution
 logger = logging.getLogger('pageviews')
 
-def wrapping_move_mean(data, window):
-    """
-    Calcule une moyenne par fenêtre circulaire sur un tableau de valeurs.
+# Tableau contenant tous les jours de l’année de 1 à 365
+year_all_days = numpy.arange(1, 366)
 
-    :param data: Tableau de valeurs.
-    :param window: Taille de la fenêtre.
-    :return: Tableau moyenné avec une fenêtre de taille donnée. Le résultat
-    a les même dimensions que l’entrée.
+
+def year_date_distance(a, b):
     """
-    down_half_window = math.floor(window / 2)
-    up_half_window = math.ceil(window / 2)
-    padded_data = data[-down_half_window:] + data + data[:up_half_window]
-    return bottleneck.move_mean(padded_data, window=window)[window - 1:]
+    Calcule la distance entre deux jours de l’année.
+
+    :example: year_date_distance(10, 360) == 15
+    :example: year_date_distance(numpy.array([10, 182, 355]), 182)
+              == [172, 0, 173]
+    :param a: Première valeur (peut être un tableau numpy).
+    :param b: Seconde valeur (peut être un tableau numpy).
+    :return: Valeur de la distance.
+    """
+    return numpy.stack((
+        numpy.mod(a - b, len(year_all_days)),
+        numpy.mod(b - a, len(year_all_days))
+    )).min(axis=0)
+
+
+def year_smooth_gaussian(data, scale):
+    """
+    Fait un lissage de tableau de valeurs avec une valeur par jour de l’année
+    en utilisant un noyau gaussien.
+
+    À la bordure de fin ou de début d’année, le lissage est fait avec l’autre
+    morceau de l’année.
+
+    :param data: Données à lisser.
+    :param scale: Variance du noyau gaussien.
+    :return: Données lissées.
+    """
+    ref_pdf = stats.norm.pdf(year_date_distance(year_all_days, 1), scale=scale)
+    pdf_matrix = numpy.stack([
+        numpy.roll(ref_pdf, day - 1)
+        for day in year_all_days
+    ])
+    return pdf_matrix.dot(data)
+
 
 def wikimedia_page_views(site, article):
     """
@@ -79,6 +108,7 @@ def wikimedia_page_views(site, article):
         for record in data['items']
     ))
 
+
 def wikimedia_article_canonical_name(site, article):
     """
     Obtient le nom canonique d’un article après avoir suivi les redirections.
@@ -97,6 +127,7 @@ def wikimedia_article_canonical_name(site, article):
 
     return original_page.resolve_redirect().name
 
+
 def wikimedia_article_views(site, article):
     """
     Obtient le nombre de visites sur un article Wikipédia, incluant la page
@@ -127,10 +158,11 @@ def wikimedia_article_views(site, article):
     # Somme le nombre de visites sur chacune des pages
     return sum(
         (wikimedia_page_views(site, page)
-        for page in redirects + [article]),
+            for page in redirects + [article]),
         start=collections.Counter()
     )
 
+
 def wikimedia_mean_article_views(site, article):
     """
     Obtient des statistiques moyennes sur les vues d’un article Wikipédia par
@@ -170,7 +202,8 @@ def wikimedia_mean_article_views(site, article):
         key=lambda x: x[0]
     )]
 
-    return wrapping_move_mean(days, window=60)
+    return days
+
 
 def create_year_plot():
     """
@@ -190,6 +223,7 @@ def create_year_plot():
     ax.set_xticklabels(calendar.month_abbr[1:13])
     return fig, ax
 
+
 if __name__ == '__main__':
     logging.basicConfig(level=logging.INFO)
 
@@ -225,7 +259,7 @@ dénombrées comme une visite sur la page canonique.
             )
 
         data = wikimedia_mean_article_views(site, canonical_article)
-        ax.plot(data, label=canonical_article)
+        ax.plot(year_smooth_gaussian(data, 10), label=canonical_article)
         ax.set_ylabel('Vues par jour')
 
     fig.legend()