Rename documentation files

Removed new- prefix.
Added old- prefix to old files.

documentation/old-03-c-plotly-intro.md

@@ -0,0 +1,149 @@
+# Introduction à Plotly pour Python
+
+---
+
+## Qu'est-ce que Plotly ?
+
+Plotly est une bibliothèque open-source de visualisation de données en Python. Elle permet de produire des graphiques interactifs de haute qualité directement depuis Python, et supporte de nombreux types de graphiques, y compris des graphiques 3D et des cartes géographiques.
+
+---
+
+## Afficher des diagrammes avec Plotly
+
+Plotly propose une variété de diagrammes pour visualiser les données. Voici quelques exemples sur comment afficher des nuages de points, des histogrammes et des histogrammes en barres avec facettes.
+
+---
+
+### Afficher un nuage de points
+
+Pour créer un nuage de points avec Plotly, vous pouvez utiliser la classe `Scatter` de `plotly.graph_objects` :
+
+```{.python .numberLines}
+import plotly.graph_objects as go
+
+# Supposons que nous ayons deux listes x et y
+fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers'))
+fig.show()
+```
+
+L'utilisation classique de Plotly consiste à créer un objet de type `Figure` représentant un graphique, puis d'y associer un type de diagramme. L'affichage du graphique via la méthode `show()` lance un serveur web simple et le navigateur par défaut de votre système pour afficher le contenu.
+
+---
+
+![Exemple de diagramme de base Plotly](assets/images/plotly-chart-bar.png)
+
+Notez que ce genre de diagramme est rendu interactif graĉe aux technologies du web; vous pouvez ainsi zoomer ou passer votre souris sur des sections pour observer des boîtes descriptives des données.
+
+---
+
+### Afficher un histogramme avec facettes
+
+Pour créer un histogramme avec facettes avec Plotly, vous pouvez utiliser la classe `Histogram` et préparer un graphique à multiples diagrammes via `make_subplots` :
+
+```{.python .numberLines}
+from plotly.subplots import make_subplots
+
+# Nous avons un DataFrame df avec une colonne 'value' et une colonne 'category'
+fig = make_subplots(rows=1, cols=2)
+# Parcourir toutes les catégories différentes de la colonne catégorie
+for i, cat in enumerate(df['category'].unique()):
+    # Et ajouter un diagramme en barres pour les valeurs de la catégorie
+    fig.add_trace(go.Histogram(x=df[df['category']==cat]['value']), row=1, col=i+1)
+fig.show()
+```
+
+---
+
+### Afficher un histogramme en barres avec facettes
+
+Pour créer un histogramme en barres avec facettes avec Plotly, vous pouvez utiliser la classe `Bar` et la fonction `subplot` :
+
+```{.python .numberLines}
+from plotly.subplots import make_subplots
+
+ Supposons que nous ayons un DataFrame pandas df avec une colonne 'value' et deux colonnes catégorielles 'category1' et 'category2'
+fig = make_subplots(rows=1, cols=2)
+for i, cat in enumerate(df['category1'].unique()):
+    fig.add_trace(go.Bar(x=df[(df['category1']==cat)]['category2'], y=df[(df['category1']==cat)]['value']), row=1, col=i+1)
+fig.show()
+```
+
+---
+
+### Types de graphiques réalisables avec Plotly
+
+Les quelques exemples précédents ont permis de montrer la simplicité d'utilisation de Ploty/Dash pour une variété de diagrammes, mais selon vos besoins, il en existe de nombreux autres, décrits dans la page officielle suivante :
+
+[Plotly Charts](https://plotly.com/python/basic-charts/)
+
+---
+
+La majorité des diagrammes réalisables avec Plotly sont importables en tant que classes dans le package `plotly.express`.
+
+---
+
+### Diagramme en barres simple
+
+Si vous avez un `DataFrame` simple avec deux colonnes, par exemple une colonne d'identifiants et une colonne de valeurs associées, vous pouvez très simplement afficher un diagramme en barres avec Plotly :
+
+```python
+import pandas as pd
+from plotly.express import bar
+
+df = pd.DataFrame(data={"label": ["Citron", "Pomme", "Mangue"], "price": [1.99, 3.97, 6.8]})
+plot = bar(df, x="label", y="price")
+plot.show()
+```
+
+---
+
+### Diagramme en secteurs groupés
+
+Si vos données contiennent des informations qui peuvent être regroupées en sous-catégories (par ex. vous avez des ventes par ville, et plusieurs villes peuvent appartenir au même pays), un diagramme en secteurs à plusieurs anneaux peut vous permettre d'explorer vos données de façon intéressante :
+
+
+```python
+import pandas as pd
+from plotly.express import sunburst
+
+df = pd.DataFrame(data={
+    "country": ["France", "France", "Spain", "Spain"], 
+    "city": ["Montpellier", "Bordeaux", "Madrid", "Valencia"],
+    "sales": [150_000, 127_000, 97_200, 137_250]
+})
+plot = sunburst(df, path=["country", "city"], values="sales")
+plot.show()
+```
+
+---
+
+## Configurer le thème des graphiques Plotly
+
+Avec Plotly, vous pouvez personnaliser l'apparence de vos graphiques en utilisant des thèmes.
+
+---
+
+### Styles des graphiques
+
+Plotly offre plusieurs thèmes prédéfinis que vous pouvez appliquer à vos graphiques :
+
+```{.python .numberLines}
+import plotly.io as pio
+
+pio.templates.default = "plotly_dark" # Exemple avec le thème "plotly_dark"
+```
+
+---
+
+### Définir des palettes de couleurs
+
+Vous pouvez également personnaliser les couleurs utilisées dans vos graphiques avec Plotly :
+
+```{.python .numberLines}
+fig = go.Figure(
+    data=go.Scatter(x=x, y=y, mode='markers', marker=dict(color='rgba(152, 0, 0, .8)'))
+)
+fig.show()
+```
+
+Dans cet exemple, nous avons utilisé la propriété `marker` pour changer la couleur des points dans le nuage de points.