Distribution des séismes et phase de la Lune

Pour vérifier cette affirmation, il faut trouver une liste assez conséquente de séismes et connaître les phases de la Lune pour une date donnée. Évidement, on ne va pas faire ça à la main avec le Quid et l’almanach Vermot…

Source de données

Le « journaliste » expliquait que les données sont disponibles sur Wikipédia. Sur la version française de Wikipédia, je n’ai trouvé que les 10 plus gros tremblements de terre, faire des statistiques sur 10 éléments, c’est pas sérieux… On va donc les prendre sur Wikipedia anglais où l’on trouve une liste des tremblements de terre du XX° siècle ayant une magnitude supérieure à 6. La page est téléchargée avec wget et ensuite, elle est fouillée avec BeautifulSoup pour ne garder que la date et l’intensité des tremblements de terre.

Calculer les phase de la Lune

Il existe de nombreux algorithmes pour calculer les phases de la Lune. Sous Python plusieurs librairies sont disponibles pour les éphémérides, j’ai retenu la librairie pyephem qui permet de nombreux calculs astronomiques.

La librairie permet de calculer le pourcentage de la surface illuminée de la Lune à partir d’une date quelconque. Cette valeur est bien plus précise que la notion de pleine Lune ou de nouvelle Lune.

Script Python

À partir des éléments précédents, j’ai fait un script « à l’arrache » qui pourrait certainement être amélioré.

import bs4 as BeautifulSoup
from datetime import datetime, timedelta
import ephem
import matplotlib.pyplot as plt

fic = open('List_of_20th-century_earthquakes')

html = fic.read()
soup = BeautifulSoup.BeautifulSoup(html, 'html.parser')

intensites = []
phases = []

moon = ephem.Moon()

for line in soup.body.find_all('tr'):
    try:
        td = line.findAll('td')
        date = datetime.strptime(td[0].findAll('span')[1].text, '%B %d, %Y')
        valeur = float(td[6].text)
        moon.compute(date)
        phases.append(moon.moon_phase)
        intensites.append(valeur)
    except Exception as e:
        print(e)
        pass
fic.close()

print(u"Nb. de séismes traités : ",len(phases))

plt.figure(figsize=(15, 13))
plt.scatter(phases, intensites,s=50)
plt.xlim((0,1))
plt.xlabel('Phase de la Lune(% de la surface illuminée)')
plt.ylabel(u'Intesité du seisme')
plt.savefig("repartition_seismes.png")
plt.show()

Quelques éléments sont ignorés (date non correcte ou intensité inconnue), le nombre total de séismes traités est de 304.

On obtient la jolie figure ci-dessous qui ressemble plus à une décharge de chevrotine qu’à l’une des lois statistiques usuelles…

Évolution de la surface illuminée de la Lune

Les plus têtus pourront remarquer une accumulation des points aux extrêmes. C’est simplement un effet dû à l’évolution de la surface illuminée qui n’est pas linéaire. Un petit script Python permet de tracer l’évolution de la surface illuminée en fonction du temps.

from datetime import datetime, timedelta
import ephem
import matplotlib.pyplot as plt

today = datetime.now()
dates = []
phases = []
for n in range(-50,50):
    # https://stackoverflow.com/questions/6871016/adding-5-days-to-a-date-in-python
    dates.append(today + timedelta(days=n))
    moon.compute(dates[-1])
    phases.append(moon.moon_phase)

plt.figure(figsize=(16, 9))
plt.plot(dates, phases,)
plt.xlim((today + timedelta(days=-50),today + timedelta(days=49)))
plt.ylim((0,1))
plt.xlabel('Date')
plt.ylabel('Phase de la Lune(% de la surface illuminée)')
plt.savefig("phases_Lune.png")
plt.show()

La figure obtenue à l’aspect ci-contre. Je n’ai pas fouillé dans les détails, mais je ne suis pas certain que ce soit une simple sinusoïde. Dans tous les cas, c’est non linéaire, ce qui explique « l’accumulation » des points aux extrêmes.

Il n’est donc pas possible d’affirmer que 80% des tremblements de terre ont lieu lors des phases de pleine Lune. Pour conclure sur une illustration simple à comprendre, je laisse le crayon à Randall Munroe.

La photo d’illustration est de Timo Newton-Syms from Helsinki, Finland and Chalfont St Giles, Bucks, UK — Super Moon

Télécharger l’intégralité (ou presque) des émissions

Un site  (non officiel…) regroupe la très grande majorité des émissions. Pour récupérer l’intégralité du site et consulter les fichiers dans son navigateur on peut simplement utiliser le programme wget. Les options -r pour avoir la récursivité et -c pour reprendre le téléchargement en cas d’échec sont retenues pour arriver à la commande wget -rc http://rendezvousavecmrx.free.fr/.

Après un certain temps (attention, c’est gros, très gros,…) le répertoire rendezvousavecmrx.free.fr contient l’intégralité du site web.

Trier et renommer les fichiers audio

Tel quel tout est en vrac, une moulinette Python avec BeautifulSoup permet de reprendre les fichiers MP3 et de les renommer proprement.

#!/usr/bin/env python
# coding=utf-8
import shutil
import bs4 as BeautifulSoup

rep = './rendezvousavecmrx.free.fr/'
fic_liste = open(rep+'page/liste.php')

html = fic_liste.read()
soup = BeautifulSoup.BeautifulSoup(html)

for tr in soup.findAll('tr'):
    a = tr.find('a')
    fichier = a.get('href')
    try:
      nom = a.find('img').get('alt')
      nom_fichier = fichier.split('/')[-1]
      print nom, rep+'audio/'+nom_fichier
      shutil.copyfile(rep+'audio/'+nom_fichier, nom.replace('/','-')+' - '+nom_fichier)
    except AttributeError as e:
      # Le fichier mp3 associé n'existe pas
      pass

fic_liste.close()

Améliorations

Les plus courageux pourront utiliser mutagen pour ajouter les tags MP3 au fichier. Perso, j’ai eu la flemme de le faire !

Enregistrer

Enregistrer

Enregistrer

Enregistrer

python -c 'print "".join(filter(lambda l:l.startswith("$GPRMC"),open("GPS00026.TXT").readlines()))'

Celui ci affiche toutes les lignes qui commencent par $GPRMC (ce sont des trames GPS).

Dans le même style un petit uniligne pour générer une commande SQL pour chaque nom présent dans le fichier qui contient les login de mes étudiants.

python -c 'print "\n".join([ "GRANT SELECT ON `geodata_fr`.* TO '%s'@'localhost';"%(c.strip(),)  for c in open("ListeRT1.txt").readlines()])'