Exemple de visualisation

d3 = require("d3@7", "d3-geo-projection@4")
bertin = require('bertin@0.9.16')

gdf = JSON.parse(gdf_str)
world = JSON.parse(world_str)

bertin.draw({
  params: {projection: d3.geoBertin1953() },
  layers: [
    {
      type: "header",
      text: "Carte des collaborations",
      background: "#3B556D",
      fill: "white",
      fontSize: 40,
      anchor: "middle"
    },
    {
      type: "bubble",
      geojson: gdf,
      k: 100, // rayon du plus grand cercle
      values: "Number of Papers",
      leg_round: 0,
      leg_x: 700,
      leg_y: 300,
      leg_divisor: 5,
      leg_title: `Nombre 
de papier en collaboration`,
      tooltip: {
        //col: "red",
        fields: ["$Country", "", "Number of Papers", "$Number of Papers", "Theme", "$Theme"],
        fontSize: [25, 10, 14, 12, 14, 12],
        fontWeight: ["bold", "normal", "bold", "normal", "bold", "normal"]
      },
      fill: {
        type: "typo",
        values: "Theme",
        leg_title: `Thématique`,
        leg_x: 100,
        leg_y: 100
      }
      },
      {
        type: "layer",
        geojson: world,
        fill: "white",
        fillOpacity: 0.3,
        stroke: "none"
      },
      {type: "graticule"},
      {type: "outline"},
  ],
})

Cette carte propose d’afficher deux variables :

Une typologique : la thématique des articles scientifiques
Une grandeur : le nombre d’articles co-publiés entre Espace-Dev ou TETIS et un co-auteur du pays concerné.

Pour ce faire, nous avons utilisé les données de Hal que nous avons du remanier

Concatener les articles d’Espace-Dev et hal_tetis
Rassembler tous les pays dispatchés dans plusieurs colonnes dans une seule qui contient la liste des pays
Retravailler les noms des colonnes
Nous avons inversé le format du dataframe avec l’option group_by, afin d’obtenir pour chaque couple de Pays & Thématique, le nombre d’articles
Enfin, nous visualisons les données sur une carte interactive produite par la librairie Bertin.js